PENGEMBANGAN MODEL CNN LSTM UNTUK PREDIKSI SERANGAN GANODERMA PADA CITRA UAV PERKEBUNAN KELAPA SAWIT

PUTRALIM, VINCENTIUS ADITYA (2023) PENGEMBANGAN MODEL CNN LSTM UNTUK PREDIKSI SERANGAN GANODERMA PADA CITRA UAV PERKEBUNAN KELAPA SAWIT. Tugas Akhir/Skripsi thesis, Universitas Ma Chung.

Preview

Text 01- 311910014 VINCENTIUS ADITYA PUTRALIM.pdf Download (2MB) | Preview

Abstract

Serangan Ganoderma pada perkebunan kelapa sawit dapat menyebabkan
kerugian yang signifikan. Oleh karena itu, pengembangan model prediktif yang
efektif untuk mendeteksi serangan Ganoderma menjadi penting dalam upaya
pengendalian dan manajemen penyakit ini. Dalam penelitian ini akan
menggunakan model Convolutional Neural Network Long Short-Term Memory
(CNN LSTM) untuk memprediksi serangan ganoderma pada citra Unmanned
Aerial Vehicle (UAV) perkebunan kelapa sawit dengan melihat indeks vegetasi
Visible Atmospherically Resistant Index (VARI). Pada eksperimen penelitian ini
akan digunakan 6 tuning parameter yakni dengan menggunakan metode optimasi
Adam dan SGD serta learning rate sebesar 0.001, 0.001, dan 0.0001. Hasil
prediksi model dengan keenam tuning parameter tersebut akan diamati pada
kelipatan epoch 500 sampai dengan epoch ke-3000. Model yang digunakan pada
penelitian ini akan menggunakan layer ConvLSTM2D yang memiliki peran yang
sama dengan CNN LSTM, layer tersebut akan melakukan ekstraksi fitur spasial
yang ada pada input. Model yang telah dilatih akan dievaluasi dengan
menggunakan Mean Square Error (MSE) sebagai metrik evaluasi. Hasil evaluasi
menunjukan bahwa model yang dikembangkan dapat bekerja dengan baik dalam
memprediksi serangan ganoderma pada citra UAV perkebunan kelapa sawit.
Prediksi serangan yang dihasilkan model ditampilkan dalam bentuk heatmap.
Model dengan menggunakan metode optimasi Adam dan learning rate 0.001 pada
epoch ke-2500 merupakan model dengan nilai MSE terendah yang dihasilkan
eksperimen dengan nilai MSE sebesar 2,56.10-5
.
Kata kunci: Convolutional Neural Network, Ganoderma, Kelapa Sawit, Long
Short-Term Memory, Visible Atmospherically Resistant Index

Item Type:	Thesis (Tugas Akhir/Skripsi)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknologi dan Desain > S1 Teknik Informatika
Depositing User:	umclibs1
Date Deposited:	04 Feb 2026 07:02
Last Modified:	04 Feb 2026 07:02
URI:	http://repository.machung.ac.id/id/eprint/1161

Actions (login required)

View Item