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.

	PDF HALAMAN_AWAL.pdf Download (451kB)
	PDF BAB_I.pdf Download (253kB)
	PDF BAB_II.pdf Download (460kB)
	PDF BAB_III.pdf Download (746kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (813kB)
	PDF BAB_V.pdf Download (263kB)
	PDF DAFTAR_PUSTAKA.pdf Download (233kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (5MB)
	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