Implementasi Deep Convolutional Generative Adversarial Networks (Dcgan) Untuk Augmentasi Data Dalam Deteksi Penyakit Daun Padi

Asmarawati, Winda (2024) Implementasi Deep Convolutional Generative Adversarial Networks (Dcgan) Untuk Augmentasi Data Dalam Deteksi Penyakit Daun Padi. Other thesis, Universitas Komputer Indonesia.

	Text 1.UNIKOM_WINDA ASMARAWATI_COVER.pdf - Published Version Download (62kB)
	Text 19.UNIKOM_WINDA ASMARAWATI_LEMBAR PENGESAHAN.pdf - Published Version Download (268kB)
	Text 17.UNIKOM_WINDA ASMARAWATI_SURAT KETERANGAN PERSETUJUAN PUBLIKASI.pdf - Published Version Download (179kB)
	Text 20.UNIKOM_WINDA ASMARAWATI_SURAT PERNYATAAN ORISINALITAS.pdf - Published Version Download (203kB)
	Text 4.UNIKOM_WINDA ASMARAWATI_KATA PENGANTAR.pdf - Published Version Download (156kB)
	Text 5.UNIKOM_WINDA ASMARAWATI_DAFTAR ISI.pdf - Published Version Download (179kB)
	Text 11.UNIKOM_WINDA ASMARAWATI_BAB 1.pdf - Published Version Download (243kB)
	Text 12.UNIKOM_WINDA ASMARAWATI_BAB 2.pdf - Published Version Download (619kB)
	Text 13.UNIKOM_WINDA ASMARAWATI_BAB 3.pdf - Published Version Restricted to Repository staff only Download (790kB) | Request a copy
	Text 14.UNIKOM_WINDA ASMARAWATI_BAB 4.pdf - Published Version Restricted to Repository staff only Download (904kB) | Request a copy
	Text 15.UNIKOM_WINDA ASMARAWATI_BAB 5.pdf - Published Version Download (214kB)
	Text 10.UNIKOM_WINDA ASMARAWATI_DAFTAR PUSTAKA.pdf - Published Version Download (227kB)
	Text 18.UNIKOM_WINDA ASMARAWATI_LEMBAR KONTAK PENULIS & KONTRIBUTOR.pdf - Published Version Download (9kB)

Abstract

Padi (Oryza sativa L.) merupakan komoditas pangan utama di Indonesia yang rentan terhadap penyakit daun seperti bacterial leaf blight, brown spot, dan leaf smut, yang dapat menurunkan hasil panen secara signifikan jika tidak ditangani tepat waktu. Penelitian ini bertujuan untuk mengevaluasi penggunaan Deep Convolutional Generative Adversarial Networks (DCGAN) dalam augmentasi data untuk mendeteksi penyakit daun padi dengan dataset terbatas. Sebelum data gambar diproses oleh DCGAN, dilakukan prapemrosesan dengan mengubah ukuran gambar menjadi 128x128 piksel menggunakan interpolasi bilinear dan normalisasi piksel ke rentang -1 hingga 1, sesuai kebutuhan jaringan generator dan discriminator yang menggunakan aktivasi tanh. Augmentasi data menggunakan DCGAN dilakukan untuk menghasilkan tambahan dataset yang meningkat 1 hingga 4 kali lipat dari dataset asli. Evaluasi menggunakan Fréchet Inception Distance (FID) menunjukkan bahwa model terbaik diperoleh saat augmentasi 3 kali lipat, menghasilkan 360 gambar baru dengan skor FID sekitar 300, yang mengindikasikan bahwa gambar yang dihasilkan belum sepenuhnya menyerupai dataset asli. Meskipun begitu, model klasifikasi berbasis transfer learning dengan arsitektur GoogLeNet yang dilatih menggunakan dataset yang diperluas ini mencapai akurasi 93% dalam mendeteksi penyakit daun padi. Hasil ini menunjukkan bahwa augmentasi data dengan DCGAN dapat meningkatkan kinerja deteksi penyakit daun padi, meskipun kualitas gambar sintesis masih memerlukan perbaikan lebih lanjut.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Penyakit daun padi, Augmentasi Data, DCGAN, Deep Learning, Transfer Learning, GoogLeNet
Subjects:	000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 005_Computer Programming, Programs & Data Q Science > QA Mathematics > QA76 Computer software
Divisions:	S1_SKRIPSI > FTIK_Teknik Informatika (01)
Depositing User:	Mia Mia Hayati Kosasih
Date Deposited:	12 Sep 2025 08:48
Last Modified:	12 Sep 2025 08:48
URI:	http://elibrary.unikom.ac.id/id/eprint/10931

Actions (login required)

View Item