Implementasi Convolutional Neural Network dan Support Vector Machine untuk Mendeteksi Penyakit Downy Mildew pada Daun Tanaman Labu

Joane Stania Lainsamputty, Feiza (2025) Implementasi Convolutional Neural Network dan Support Vector Machine untuk Mendeteksi Penyakit Downy Mildew pada Daun Tanaman Labu. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (31MB)
	PDF BAB_I.pdf Download (272kB)
	PDF BAB_II.pdf Download (3MB)
	PDF BAB_III.pdf Download (1MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Download (158kB)
	PDF DAFTAR_PUSTAKA.pdf Download (368kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (2MB)

Abstract

Penelitian ini mengimplementasikan Convolutional Neural Network (CNN) dan Support Vector Machine (SVM) untuk mendeteksi penyakit pada daun labu, dengan fokus pada Downy Mildew, menggunakan dataset Pumpkin Leaf Diseases dari Kaggle. MobileNetV2 dimanfaatkan untuk ekstraksi fitur dengan fine-tuning 20 lapisan terakhir, dilengkapi augmentasi data (flip, rotasi, penyesuaian kecerahan) untuk meningkatkan variasi. SVM dioptimalkan dengan GridSearchCV untuk menentukan parameter terbaik (C, gamma, kernel: linear, RBF, polynomial). Nilai F1-Score juga menunjukkan performa yang konsisten, dengan 0.936 untuk split 80% data latih dan 20% data uji dan 0.927 untuk split 70% data latih dan 30% data uji. Hasil tersebut menunjukkan peningkatan performa yang semakin baik seiring dengan bertambahnya data latih. Keseluruhan penelitian menunjukkan bahwa ensemble learning dengan CNN untuk ekstraksi fitur, maupun SVM untuk klasifikasi dataset mempengaruhi dan meningkatkan akurasi yang tinggi dalam proses identifikasi penyakit daun labu secara objektif.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Penyakit Daun Labu, CNN, SVM, MobileNetV2, GridSearchCV
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	20 Aug 2025 11:02
Last Modified:	20 Aug 2025 11:02
URI:	https://kc.umn.ac.id/id/eprint/39985

Actions (login required)

View Item