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