TESIS DIGITAL
Analisis Perbandingan Metode Lenet-5, Alexnet, Dan Googlenet Untuk Identifikasi Kualitas Benih Padi = Comparative Analysis Of Lenet-5, Alexnet, And Googlenet Methods For Identification Of Rice Seed Quality
Inspeksi benih padi merupakan proses penting dalam pembibitan tanaman padi karena akan berdampak pada jumlah hasil produksinya. Proses inspeksi yang saat ini mayoritas masih dilakukan secara konvensional, yaitu menyaring sampel benih padi untuk mengidentifikasi spesies dan kualitas benih padi memiliki kendala yaitu masih besar peran manusia dalam melakukan inspeksi dan memerlukan waktu yang cukup banyak dalam menentukan hasil inspeksi benih padi; maka dari itu penggunaan teknologi berupa kecerdasan buatan diharapkan dapat meningkatkan produktivitas dalam produksi pertanian, kecepatan, dan akurasi dalam proses inspeksi benih padi. Penulis mempresentasikan sebuah rancangan studi teknologi terkait sistem identifikasi benih menggunakan metode Pembelajaran Mesin dan Penglihatan Mesin untuk mengklasifikasikan kualitas varietas benih padi. Teknologi ini dirancang untuk mengenali benih unggul dan tidak unggul berdasarkan pelatihan data citra digital. Sehingga proses inspeksi menjadi terbantu karena mesin dapat membantu mengenali ciri benih yang unggul dan tidak berdasarkan pengolahan data citra digital. Tujuan dari penelitian ini yaitu melakukan analisis perbandingan hasil dari rancangan sistem identifikasi kualitas padi menggunakan metode CNN(Jaringan Saraf Konvolusi) dengan algoritma LeNet-5, AlexNet dan GoggleNet. Berdasarkan hasil penelitian perbandingan sistem pembelajaran terarah, didapatkan bahwa sistem CNN terbaik dalam melakukan identifikasi kualitas benih padi adalah sistem dengan algoritma model LeNet5. Pada sistem dengan algoritma model LeNet5 memiliki nilai akurasi model data latih pembelajaran terarah dengan persentase 88%. Pada evaluasi kinerja sistem dari model LeNet5 dalam melakukan identifikasi benih padi didapatkan persentase recall sebesar 99% , presisi sebesar 88%, dan F1-Score sebesar 92%.
Tidak tersedia versi lain