Evaluasi Kinerja Model Swin Transformer dalam Memprediksi Penyakit Daun pada Tanaman Kentang

Syira Anggina, Rhauma (2025) Evaluasi Kinerja Model Swin Transformer dalam Memprediksi Penyakit Daun pada Tanaman Kentang. MBKM thesis, Universitas Multimedia Nusantara.

[img] PDF
HALAMAN_AWAL.pdf

Download (254kB)
[img] PDF
BAB_I.pdf

Download (138kB)
[img] PDF
BAB_II.pdf

Download (294kB)
[img] PDF
BAB_III.pdf

Download (398kB)
[img] PDF
BAB_IV.pdf
Restricted to Registered users only

Download (232kB)
[img] PDF
BAB_V.pdf

Download (67kB)
[img] PDF
DAFTAR_PUSTAKA.pdf

Download (145kB)
[img] PDF
LAMPIRAN.pdf
Restricted to Registered users only

Download (616kB)
[img] PDF
LEMBAR_PENGESAHAN.pdf

Download (52kB)

Abstract

Penyakit pada daun kentang dapat berdampak besar terhadap hasil panen dan kualitas produksi. Penelitian ini dilakukan untuk mengklasifikasikan berbagai jenis penyakit daun kentang dengan memanfaatkan model deep learning, yaitu Swin Transformer. Penelitian menggunakan tahapan Knowledge Discovery in Database (KDD), mulai dari pengumpulan dan integrasi data, pra-pemrosesan, pelatihan model, hingga evaluasi hasil. Data yang digunakan berjumlah 3.076 gambar daun kentang yang terbagi ke dalam tujuh kelas, mencakup daun sehat dan enam kategori penyakit. Untuk memperkaya variasi citra dan meningkatkan kemampuan model dalam mengenali pola, diterapkan beberapa teknik augmentasi seperti rotasi, pembalikan horizontal, dan penyesuaian pencahayaan. Peneltiian ini menggunakan model Swin Transformer yang dilatih selama 14 epoch dan menggunakan teknik early stopping untuk mencegah overfitting. Hasil pengujian menunjukkan akurasi sebesar 88%, dengan nilai F1-score makro 0.87 dan AUC di atas 0.96 pada seluruh kelas.

Item Type: Thesis (MBKM)
Keywords: Penyakit daun kentang, Deep Learning, Swin Transformer, Klasifikasi Gambar.
Subjects: ?? T70 ??
Divisions: Faculty of Engineering & Informatics > Information System
SWORD Depositor: Administrator UMN Library
Depositing User: Administrator UMN Library
Date Deposited: 25 Jul 2025 13:04
Last Modified: 25 Jul 2025 13:04
URI: https://kc.umn.ac.id/id/eprint/39260

Actions (login required)

View Item View Item