Text

Pengaruh Output Layer terhadap Akurasi Model CNN Inception-V3 untuk Klasifikasi Penyakit Daun Tanaman Apel

---

Apel merupakan buah dari genus Malus. Dari segi nutrisi, apel memiliki kandungan serat,
vitamin, dan antioksidan yang melimpah. Atribut ini berkontribusi pada manfaat kesehatan
yang dimiliki, seperti membantu pencernaan dan mengurangi risiko penyakit kardiovaskular.
Tanaman apel dinilai cukup menjanjikan untuk dapat tumbuh di kondisi tanah dan iklim
Indonesia. Meskipun dengan kondisi tanah yang mendukung, petani diharuskan untuk dapat
memperhatikan dan merawat kesehatan tanaman tersebut. Kesehatan dari tanaman apel
dipengaruhi oleh berbagai faktor biotik maupun abiotik. Terdapat berbagai jenis penyakit apel
yang disebabkan oleh jamur antara lain adalah Apple Scab, Black Rot, dan Cedar Apple Rust.
Penyakit tersebut menimbulkan gejala visual di berbagai bagian tanaman apel seperti daun.
Untuk membantu petani dalam mengidentifikasi jenis penyakit yang memengaruhi tanaman
apel dapat memanfaatkan teknologi visi komputer. Salah satu metode visi komputer yang
populer adalah Convolution Neural Network arsitektur Inception V3. Lapisan terakhir dari
Inception V3 merupakan layer output. Lapisan ini berisi neuron-neuron yang menghasilkan
nilai-nilai atau distribusi probabilitas yang mewakili hasil prediksi dari model. Output layer
memiliki peran penting dalam neural network karena lapisan ini menghasilkan prediksi atau
output akhir berdasarkan data input. Output layer memungkinkan sebuah model untuk
melakukan tugas yang diberikan seperti klasifikasi. Untuk meningkatkan akurasi, dapat
dilakukan modifikasi pada output layer dengan menambahkan beberapa layer tambahan
sebelumnya. Untuk mengetahui pengaruh modifikasi output layer terhadap akurasi, dilakukan
11 percobaan yang dibagi menjadi 3 skenario dengan menggunakan dataset penyakit daun
tanaman apel. Skenario pertama adalah pengujian layer dense, skenario kedua adalah pengujian
layer dropout, dan skenario ketiga adalah pengujian layer batch normalization. Hasil yang
diperoleh adalah parameter terbaik berupa kombinasi layer dense(512), dropout(0,25), dan
penerapan batch normalization. Eksperimen menggunakan parameter tersebut menghasilkan
akurasi sebesar 99,27% dan f1-score 99%.

Kata kunci : Penyakit Apel, Klasifikasi, Visi Komputer, Convolutional Neural Network,
Inception V3, Output Layer, Dense Layer, Dropout Layer, Batch Normalization

---

Ketersediaan

1259 F 2024

1259 F 2024

Perpustakaan FSM Undip

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

1259 F 2024

Penerbit

: ., 2024

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar