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 Report, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (254kB)
	PDF BAB_I.pdf Download (138kB)
	PDF BAB_II.pdf Download (294kB)
	PDF BAB_III.pdf Download (398kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (232kB)
	PDF BAB_V.pdf Download (67kB)
	PDF DAFTAR_PUSTAKA.pdf Download (145kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (616kB)
	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:	Technical Report (MBKM Report)
Creators:	Syira Anggina, Rhauma (00000079236)
Contributors:	Irmawati, Irmawati (0805097703)
Keywords:	Penyakit daun kentang, Deep Learning, Swin Transformer, Klasifikasi Gambar.
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	25 Jul 2025 13:04
URI:	https://kc.umn.ac.id/id/eprint/39260

Actions (login required)

View Item