Dzulficar, Muhammad Hanif and Syaiful Anam, S.Si., M.T., Ph.D. (2024) Deteksi Penyakit Tanaman Tomat Menggunakan ResNet50 dengan Optimisasi Particle Swarm Optimization. Sarjana thesis, Universitas Brawijaya.
Abstract
Tomat merupakan tanaman yang dapat dibudiyakan dengan beberapa cara. Tanaman tomat memiliki beberapa masalah yang akan berdampak pada budidayanya seperti fluktuasi biaya pupuk, perubahan iklim, dan wabah penyakit. Penyakit yang menjangkit tanaman tomat dapat mengakibatkan tanaman mati. Penyakit seperti layu fusarium hanya dapat dihindari dan tidak dapat diobati. Akibatnya, perlu diagnosis pada tanaman yang terjangkit penyakit perlu dilakukan untuk menghindari penularan terhadap tanaman yang sehat. Convolutional Neural Network (CNN) merupakan salah satu cara untuk mendiagnosis penyakit tanaman tomat. ResNet50 merupakan salah satu metode CNN yang memiliki tingkat akurasi cukup baik pada identifikasi serta pengenalan citra. ResNet50 agar memiliki tingkat akurasi yang optimal, diperlukan adanya optimisasi hyperparameter. Hyperparameter dapat diatur dengan Particle Swarm Optimization (PSO). PSO dapat bekerja dengan baik dalam mengoptimalkan suatu permasalahan yang kompleks dan berdimensi tinggi. Berdasarkan hasil pengujian diperoleh nilai Cross-Entropy Loss (CEL) dengan metode ResNet50-PSO pada data training sebesar 0,0124 dengan akurasi sebesar 99,71%, sedangkan dengan ResNet50 diperoleh 0,0960 dengan akurasi 92,61%. ResNet50-PSO pada data validation diperoleh CEL sebesar 0,0072 dengan akurasi 99,7%, sedangkan ResNet50 diperoleh CEL sebesar 0,2960 dengan akurasi 90,9%. ResNet50-PSO pada data testing diperoleh CEL 0,0347 dengan akurasi 99,4%, sedangkan ResNet50 diperoleh CEL sebesar 0,533 dengan akurasi 90,3%. Oleh karena itu, dari hasil tersebut dapat disimpulkan bahwa ResNet50-PSO lebih unggul dibandingkan ResNet50.
English Abstract
Tomatoes are plants that can be cultivated in several ways. Tomato plants have several problems that will impact their cultivation, such as fluctuations in fertilizer costs, climate change, and disease outbreaks. Diseases that infect tomato plants can cause the plants to die. Diseases such as fusarium wilt can only be avoided and cannot be treated. As a result, it is necessary to diagnose plants infected with the disease to avoid further spreading onto healthy plants. Convolutional Neural Network (CNN) is one way to diagnose tomato plant diseases. ResNet50 is a CNN method that has a fairly good level of accuracy in image identification and recognition. ResNet50 to have an optimal level of accuracy, hyperparameter optimization is required. Hyperparameters can be tuned with Particle Swarm Optimization (PSO). PSO can work well in optimizing complex and high dimensional problems Based on the test results, the Cross- Entropy Loss (CEL) value obtained with the ResNet50-PSO method on training data was 0.0124 with an accuracy of 99.71%, while with ResNet50 it was obtained 0.0960 with an accuracy of 92.61%. ResNet50-PSO on validation data obtained a CEL of 0.0072 with an accuracy of 99.7%, while ResNet50 obtained a CEL of 0.2960 with an accuracy of 90.9%. ResNet50-PSO on testing data obtained a CEL of 0.0347 with an accuracy of 99.4%, while ResNet50 obtained a CEL of 0.533 with an accuracy of 90.3%. Therefore, from these results it can be concluded that ResNet50-PSO is superior to ResNet50.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | 052409 |
Uncontrolled Keywords: | Tanaman tomat, ResNet50, Particle Swarm Optimization |
Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
Depositing User: | Unnamed user with username nova |
Date Deposited: | 09 Aug 2024 05:52 |
Last Modified: | 09 Aug 2024 05:52 |
URI: | http://repository.ub.ac.id/id/eprint/222782 |
![]() |
Text (DALAM MASA EMBARGO)
Muhammad Hanif Dzulficar.pdf Restricted to Registered users only Download (4MB) |
Actions (login required)
![]() |
View Item |