Identifikasi Penyakit Daun Tanaman Padi Menggunakan Siamese Network Berbasis MobileNetV4

Romadhona, Alex Ananda (2026) Identifikasi Penyakit Daun Tanaman Padi Menggunakan Siamese Network Berbasis MobileNetV4. Bachelor thesis, Institut Teknologi Kalimantan.

	Text 11221032_cover.pdf Download (291kB)
	Text 11221032_statement_of_authenticity.pdf Download (2MB)
	Text 11221032_publishing_agreement.pdf Download (3MB)
	Text 11221032_approval_sheet.pdf Download (189kB)
	Text 11221032_preface.pdf Download (219kB)
	Text 11221032_abstract_id.pdf Download (277kB)
	Text 11221032_abstract_en.pdf Restricted to Repository staff only until 3 October 2028. Download (277kB) | Request a copy
	Text 11221032_table_of_content.pdf Restricted to Repository staff only until 3 October 2028. Download (326kB) | Request a copy
	Text 11221032_illustrations.pdf Restricted to Repository staff only until 3 October 2028. Download (273kB) | Request a copy
	Text 11221032_tables.pdf Restricted to Repository staff only until 3 October 2028. Download (253kB) | Request a copy
	Text 11221032_notations.pdf Restricted to Repository staff only until 3 October 2028. Download (267kB) | Request a copy
	Text 11221032_chapter_1.pdf Restricted to Repository staff only until 3 October 2028. Download (405kB) | Request a copy
	Text 11221032_chapter_2.pdf Restricted to Repository staff only until 3 October 2028. Download (678kB) | Request a copy
	Text 11221032_chapter_3.pdf Restricted to Repository staff only until 2 October 2028. Download (364kB) | Request a copy
	Text 11221032_chapter_4.pdf Restricted to Repository staff only until 3 October 2028. Download (603kB) | Request a copy
	Text 11221032_conclusions.pdf Restricted to Repository staff only until 3 October 2028. Download (244kB) | Request a copy
	Text 11221032_bibliography.pdf Download (305kB)
	Text 11221032_paper.pdf Restricted to Repository staff only until 3 October 2028. Download (690kB) | Request a copy
	Text 11221032_presentation.pdf Restricted to Repository staff only until 3 October 2028. Download (4MB) | Request a copy

Abstract

Penyakit daun tanaman padi adalah salah satu faktor yang dapat menyebabkan penurunan kualitas hasil panen. Identifikasi penyakit menggunakan Convolutional Neural Network (CNN) konvensional berpotensi mengalami kesalahan dalam mengklasifikasikan kelas penyakit dengan kemiripan visual yang tinggi. Oleh karena itu, dalam penelitian ini diusulkan metode similarity learning menggunakan Siamese network berbasis MobileNetV4 untuk mengidentifikasi empat kelas penyakit yaitu hawar daun bakteri (Bacterial blight), Blast, bercak coklat (Brown spot), dan Tungro. Penelitian ini mengevaluasi pengaruh Easy Triplet Selection dan Semi-Hard Triplet Selection dalam memaksimalkan fungsi Triplet Loss. Model usulan selanjutnya dibandingkan dengan model CNN konvensional berbasis MobileNetV4. Dataset berasal dari repositori publik Kaggle yang jumlahnya diperbanyak menjadi 16.605 gambar melalui Offline Data Augmentation yang dibagi menjadi data latih, validasi, dan uji (tes). Hasil pengujian membuktikan bahwa siamese network dengan Semi-Hard Triplet Selection mendapatkan performa paling baik dengan tingkat akurasi 0.9989, sedikit lebih unggul dari Easy Triplet Selection (0.9978). Selanjutnya model CNN konvensional (MobileNetV4) memberikan hasil yang lebih baik secara akurasi dengan tingkat akurasi sempurna (100%). Namun visualisasi ruang fitur menggunakan metode t-SNE membuktikan bahwa model siamese network dapat menghasilkan pengelompokan yang jelas dengan titik data serupa yang berdekatan satu sama lain. Secara keseluruhan model siamese network dengan Semi-Hard Triplet Selection memberikan representasi fitur yang lebih stabil dan tangguh sehingga memiliki potensi efektivitas yang baik ketika diuji pada kondisi nyata.

Item Type:	Thesis (Bachelor)
Subjects:	T Technology > T Technology (General)
Divisions:	Jurusan Matematika dan Teknologi Informasi > Informatika
Depositing User:	Alex Ananda Romadhona
Date Deposited:	17 Jul 2026 01:41
Last Modified:	17 Jul 2026 01:41
URI:	http://repository.itk.ac.id/id/eprint/27614

Actions (login required)

View Item