VASSILISSA, AMORYSDEO OPTIMALISASI DETEKSI DINI PENYAKIT GANODERMA PADA KELAPA SAWIT: PERBANDINGAN PENGGUNAAN INDEKS VEGETASI BERBASIS RGB SEBAGAI INPUT METODE CONVOLUTIONAL AUTOENCODER. [TA] (Submitted)
|
Text
312110016_Vassilissa Amorysdeo_LapTA.pdf Download (6MB) | Preview |
Abstract
Industri kelapa sawit memiliki peran yang besar bagi perekonomian Indonesia karena merupakan salah satu penyumbang terbesar untuk ekspor nonmigas Indonesia. Namun, industri ini mengalami beberapa tantangan, salah satunya ialah penyakit yang disebabkan oleh jamur Ganoderma boninense yakni Busuk Pangkal Batang (BPB). Infeksi Ganoderma dapat menyebabkan penurunan panen hingga 97%. Permasalahan utama dalam pengendalian penyakit ini ialah sulitnya deteksi pada tahap awal. Maka dari itu, dibutuhkan bantuan teknologi seperti penginderaan jauh dan kecerdasan buatan untuk mendeteksi penyakit ini.
Penelitian ini berfokus pada penggunaan tiga arsitektur model Convolutional Autoencoder (CAE), serta penerapan dan perbandingan berbagai indeks vegetasi berbasis RGB (VARI, ExG, ExR, GLI, dan NGRDI) sebagai inputnya. Data yang digunakan berupa citra UAV berformat RGB dari tanaman sehat dan sakit yang berasal dari PT. Perkebunan Nusantara. Hasil dari eksperimen yang dilakukan menunjukkan keunggulan indeks vegetasi VARI dalam menonjolkan perbedaan citra sehat dan sakit, serta penggunaan metrik penilaian SSIM dan FSIM yang efektif dalam mengukur kinerja model deteksi anomali. Input VARI menghasilkan nilai JSD tertinggi pada model pertama dengan nilai 0.3323, nilai BD tertinggi pada model kedua dengan nilai 0.3873, serta nilai JSD dan BD tertinggi pada model ketiga dengan nilai 0.3371 dan 0.2272.
| Item Type: | TA |
|---|---|
| Uncontrolled Keywords: | Convolutional Autoencoder, Ganoderma Boninense, indeks vegetasi, penginderaan jauh |
| Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software |
| Divisions: | Fakultas Teknologi dan Desain > S1 Teknik Informatika |
| Depositing User: | adminperpus ma chung |
| Date Deposited: | 30 Oct 2025 05:57 |
| Last Modified: | 30 Oct 2025 05:57 |
| URI: | http://repository.machung.ac.id/id/eprint/952 |
Actions (login required)
 |
View Item |