Evaluasi Kinerja Model DeiT dalam Prediksi Penyakit Daun pada Tanaman Kentang

Fajrul Ula Usman, Sabrina (2025) Evaluasi Kinerja Model DeiT dalam Prediksi Penyakit Daun pada Tanaman Kentang. MBKM thesis, Universitas Multimedia Nusantara.

[img] PDF
HALAMAN_AWAL.pdf

Download (451kB)
[img] PDF
BAB_I.pdf

Download (253kB)
[img] PDF
BAB_II.pdf

Download (460kB)
[img] PDF
BAB_III.pdf

Download (746kB)
[img] PDF
BAB_IV.pdf
Restricted to Registered users only

Download (813kB)
[img] PDF
BAB_V.pdf

Download (263kB)
[img] PDF
DAFTAR_PUSTAKA.pdf

Download (233kB)
[img] PDF
LAMPIRAN.pdf
Restricted to Registered users only

Download (5MB)
[img] PDF
LEMBAR_PENGESAHAN.pdf

Download (52kB)

Abstract

Masalah penyakit pada tanaman seperti kentang menjadi tantangan serius dalam menjaga hasil pertanian dan kestabilan pangan. Dengan berkembangnya teknologi, pendekatan berbasis deep learning kini banyak digunakan sebagai solusi untuk mendeteksi penyakit tanaman secara otomatis dan akurat. Dalam rangka pelaksanaan program Merdeka Belajar Kampus Merdeka (MBKM) melalui skema Project Independent, mahasiswa menjalankan riset yang berfokus pada pengembangan model klasifikasi dan prediksi penyakit daun kentang berbasis citra digital, dengan memanfaatkan arsitektur Data-efficient Image Transformer (DeiT). Model ini dilatih menggunakan dataset dengan 7 kelas penyakit dan dievaluasi menggunakan berbagai metriks, seperti confusion matrix, classification report, dan kurva ROC. Hasil menunjukkan bahwa model DeiT tanpa regularisasi memperoleh akurasi tertinggi sebesar 88%, sedangkan penerapan regularisasi sedikit menurunkan akurasi menjadi 86%. Namun demikian, regularisasi terbukti mampu mengurangi overfitting serta meningkatkan kemampuan model dalam mengenali data baru. Hasil dari penelitian ini tidak hanya berkontribusi pada kemajuan teknologi di bidang pertanian, tetapi juga menghasilkan karya ilmiah yang dilombakan dalam Program Kreativitas Mahasiswa bidang Artikel Ilmiah (PKM-AI). Oleh karena itu, kegiatan ini turut memperkuat kompetensi mahasiswa dan menghasilkan solusi inovatif yang berdampak bagi sektor pertanian dan masyarakat secara umum.

Item Type: Thesis (MBKM)
Keywords: Penyakit Daun Kentang, Data-efficient Image Transformer, Deep Learning, Regularisasi, Klasifikasi Citra
Subjects: ?? T70 ??
Divisions: Faculty of Engineering & Informatics > Information System
SWORD Depositor: Administrator UMN Library
Depositing User: Administrator UMN Library
Date Deposited: 25 Jul 2025 13:05
Last Modified: 25 Jul 2025 13:05
URI: https://kc.umn.ac.id/id/eprint/39262

Actions (login required)

View Item View Item