Klasifikasi Penyakit Batang Buah Naga Merah Menggunakan Arsitektur Eca-Resnet-50 Berbasis Website
Tahun 2026 · Penulis: Adellia Putri
Faculty of Computer Science, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/12136
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
Klasifikasi Penyakit Batang Buah Naga Merah Menggunakan Arsitektur Eca-Resnet-50 Berbasis Website
Buah naga merah adalah salah satu komoditas hortikultura dengan nilai ekonomi tinggi di Indonesia. Salah satu tantangan utama penanaman buah naga adalah infeksi penyakit batang, yang dapat mengurangi pertumbuhan tanaman dan produktivitas tanaman. Identifikasi penyakit masih umum dilakukan melalui pengamatan visual, membuat proses waktu-mengkonsumsi dan tergantung pada pengalaman pengamat. Penelitian ini bertujuan untuk menganalisis kinerja ECA-ResNet-50 model untuk klasifikasi penyakit batang buah merah dan menerapkannya dalam sistem berbasis web. Datanya terdiri dari enam kelas, yaitu Antracnose, Brown Stem Spot, Gray Blight, Soft Rot, Stem Canker, dan Healthy. Data penelitian diperoleh dari data sekunder dan gabungan dataset terdiri dari data sekunder dan dokumentasi lapangan primer dikumpulkan dalam Abianyuwangi. Tahap penelitian termasuk koleksi data, preprosesing, pelatihan model, evaluasi menggunakan matriks kebingungan, visualisasi heatmap menggunakan Grad-CAM, dan implementasi sistem menggunakan Flask. Hasil percobaan menunjukkan bahwa model terbaik adalah ECA-ResNet-50 menggunakan optimasi Adam, ukuran batch 32, dan dataset gabungan, mencapai akurasi 98.89%, presisi 98.96%, mengingat 98.89%, dan F1-score 98.89%. Hasil dari kebingungan matriks menunjukkan bahwa 89 dari 90 tes gambar benar diklasifikasikan. Visualisasi Grad-CAM menunjukkan bahwa model berfokus pada penyakit-terjangkit daerah batang buah naga selama proses klasifikasi. Model itu kemudian digunakan ke dalam aplikasi berbasis web dan menunjukkan kinerja yang baik dalam mengklasifikasikan gambar yang belum digunakan selama proses pelatihan. Hasilnya menunjukkan bahwa tambahan modul ECA meningkatkan kinerja klasifikasi dan menghasilkan sistem yang dapat membantu dalam identifikasi penyakit induk buah naga merah.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,848
Tahun 2025 · Penulis: Noval Sofyan Ramadhan
Klasifikasi Penyakit Daun Tebu Menggunakan Swin Transformer dan Augmentasi Data RandAugment
Patogen adalah organisme yang dapat merusak tumbuhan, termasuk tanaman tebu. Penyakit akibat patogen dapat dideteksi di laboratorium, tetapi prosesnya memerlukan banyak langkah dan waktu yang cukup lama. Teknologi computer vision mampu mengatasi tantangan ini,
- Cosine 0,841
Tahun 2026 · Penulis: Dewana Kretarta Lokeswara
Implementasi Model Vision Transformer dalam Klasifikasi Citra Batik Indonesia
Batik merupakan warisan budaya Indonesia yang memiliki nilai seni tinggi dengan beragam motif dari berbagai daerah. Keberagaman ini sering menyulitkan masyarakat dalam mengenali motif batik tanpa pengetahuan sebelumnya. Penelitian terdahulu menunjukkan bahwa C
- Cosine 0,836
Tahun 2025 · Penulis: Shafiyah Putri Adini
Klasifikasi Jenis Mangga Berdasarkan Tekstur Daun Menggunakan Metode Support Vector Machine dengan Ekstraksi Fitur Lbp dan Gabor Filter
mangga termasuk komoditas tanaman buah-buahan terbanyak ketiga di Indonesia setelah pisang dan nanas, dengan produksi mencapai 3.302.620 ton di tahun 2023. Banyaknya produksi tanaman mangga tentunya juga berbanding lurus dengan bervariasinya jenis mangga di In