ESTD PERPUSTAKAAN UNTAD
ESTD PERPUSTAKAAN UNTAD
| JudulPERFORMA CONVOLUTIONAL NEURAL NETWORK (CNN) DAN VISION TRANSFORMER (VIT) UNTUK KLASIFIKASI PENYAKIT PADA DAUN JAGUNG |
| Nama: ARIN MARSHANDA |
| Tahun: 2025 |
| Abstrak Penyakit bercak daun (corn leaf blight) pada tanaman jagung (Zea mays L.) yang disebabkan oleh Helminthosporium turcicum dapat mengurangi produktivitas secara signifikan jika tidak dideteksi sejak dini. Penelitian ini bertujuan untuk membandingkan performa dua model deep learning, yaitu Convolutional Neural Network (CNN) dan Vision Transformer (ViT), dalam mengklasifikasikan citra daun jagung ke dalam dua kelas: sehat dan terinfeksi bercak daun. Data yang digunakan berjumlah 7.534 citra daun jagung, terdiri dari 3.718 citra daun sehat dan 3.816 citra daun terinfeksi, yang diambil dari dataset publik. Proses awal meliputi pengubahan ukuran gambar menjadi 224×224 piksel, normalisasi, konversi ke grayscale dan peningkatan kontras dengan histogram equalization. Selanjutnya, dilakukan ekstraksi fitur warna (RGB) dan tekstur menggunakan metode Gray Level Co- occurrence Matrix (GLCM). Model CNN dibangun dengan arsitektur sederhana yang terdiri dari lapisan konvolusi, pooling dan dense layer. Sementara itu, ViT menggunakan arsitektur pralatih ViT-B-16 yang di-fine-tune untuk tugas klasifikasi dua kelas. Evaluasi model dilakukan dengan confusion matrix untuk menghitung akurasi, presisi, recall dan F1-score. Hasil menunjukkan bahwa model CNN mencapai akurasi sebesar 99,82?ngan satu kesalahan klasifikasi, sedangkan model ViT mencapai akurasi 100% tanpa kesalahan klasifikasi. Dengan demikian, Vision Transformer terbukti lebih unggul dalam klasifikasi citra penyakit daun jagung dibandingkan CNN. |