%K Deteksi penyakit jagung, MobileNet V2, Augmentasi gambar,  Akurasi model CNN, penyesuaian hyperparameter
%T DETEKSI PENYAKIT PADA TANAMAN JAGUNG MELALUI CITRA DAUN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK BERBASIS WEBSITE
%I Fakultas Teknik Universitas Sultan Ageng Tirtayasa
%D 2024
%A Ghozi Yusuf Matdoan
%L eprintuntirta45161
%X Deteksi penyakit tanaman jagung sangat penting dalam peningkatan hasil produksi jagung. Pengembangan dan pemanfaatan sistem kecerdasan buatan untuk mendeteksi penyakit  jagung dapat dilakukan menggunakan metode convolutional neural network dengan arsitektur MobileNet V2. Dialam proses pembuatan model pelatihan peneliti menerapkan berbagai transformasi gambar seperti rotasi, pergeseran, mengaburkan, peningkatan kecerahan, flipping, dan shear image , serta menggunakan 64 neuron dengan aktivasi ReLU, layer dropout 0.2, dan 25 epoch. Hasil pelatihan model ini menunjukkan akurasi yang baik secara keseluruhan. F1-score untuk masing-masing kelas pada data uji adalah blight 0.9760, common rush 1.0, gray leaf spot 0.50, dan healthy 0.944. Akurasi rendah pada kelas gray leaf spot disebabkan oleh overfitting. Penelitian ini menyarankan pengembangan lebih lanjut melalui oversampling dataset dan penyesuaian hyperparameter untuk meningkatkan akurasi model.
%O Deep learning merupakan subbidang machine learning yang algoritmanya terinspirasi dari struktur otak manusia. Struktur tersebut dinamakan Artificial Neural Networks atau disingkat ANN.