Alfarisi, Faishal (2023) Diagnosa hama tanaman padi menggunakan metode artificial neural network (ANN). Undergraduate thesis, Universitas Islam Negeri Maulana Malik Ibrahim.
|
Text (Fulltext)
17650111.pdf - Accepted Version Available under License Creative Commons Attribution Non-commercial No Derivatives. Download (2MB) | Preview |
Abstract
ABSTRAK:
Diagnosa hama pada tanaman padi merupakan faktor kritis dalam upaya perlindungan tanaman dan peningkatan hasil panen. Dalam penelitian ini, kami menggunakan metode Artificial Neural Network (ANN) multilayer untuk mendiagnosis hama tanaman padi dengan menggunakan perbandingan data latih sebesar 90% dan data uji sebesar 10%. Tujuan penelitian ini adalah untuk mengevaluasi kinerja model ANN multilayer dalam mengidentifikasi dan mendiagnosa hama pada tanaman padi. Dataset yang digunakan dalam penelitian ini terdiri dari berbagai jenis gejala dan jenis hama yang umumnya menyerang tanaman padi. Data tersebut dibagi menjadi data latih dan data uji, dengan perbandingan 10% : 90%. Model ANN multilayer dikembangkan dan dilatih menggunakan data latih, kemudian diuji menggunakan data uji untuk mengevaluasi akurasinya. Hasil penelitian menunjukkan bahwa model ANN multilayer yang dikembangkan mencapai tingkat akurasi 99.85% dalam mendiagnosis hama tanaman padi. Hal ini menunjukkan bahwa model ANN multilayer mampu mengklasifikasikan dengan tepat setiap jenis hama yang dihadapi. Dalam pengujian yang dilakukan, model ANN mampu memberikan prediksi yang akurat dan konsisten. Temuan ini menunjukkan potensi penggunaan metode ANN multilayer dalam mendiagnosis hama tanaman padi dengan tingkat akurasi yang tinggi. Hal ini menunjukkan bahwa model ANN yang kami kembangkan memiliki kemampuan yang sangat baik dalam mengklasifikasikan data dan mendiagnosis hama pada tanaman padi secara konsisten.
ABSTRACT:
Pest diagnosis in rice plants is a critical factor in efforts to protect plants and increase yields. In this study, we used the multilayer Artificial Neural Network (ANN) method to diagnose pests in rice plants using a comparison of 90% training data and 10% test data. The purpose of this study was to evaluate the performance of the multilayer ANN model in identifying and diagnosing rice pests. The dataset used in this study consisted of various types of symptoms and types of pests that generally attack rice plants. The data is divided into training data and test data, with a ratio of 10% : 90%. The multilayer ANN model was developed and trained using training data, then tested using test data to evaluate its accuracy. The results showed that the developed multilayer ANN model achieved an accuracy rate of 99.85% in diagnosing rice plant pests. This shows that the multilayer ANN model is able to correctly classify each type of pest encountered. In the tests carried out, the ANN model is able to provide accurate and consistent predictions. These findings indicate the potential of using the multilayer ANN method in diagnosing rice pests with a high degree of accuracy. This shows that the ANN model that we have developed has a very good ability to classify data and diagnose pests in rice plants consistently.
مستخلص البحث:
يعد تشخيص الآفات في نباتات الأرز عاملاً حاسمًا في الجهود المبذولة لحماية النباتات وزيادة الغلة. في هذه الدراسة ، استخدمنا طريقة الشبكة العصبية الاصطناعية متعددة الطبقات (ANN) لتشخيص الآفات في نباتات الأرز باستخدام مقارنة 90٪ من بيانات التدريب و 10٪ من بيانات الاختبار. كان الغرض من هذه الدراسة هو تقييم أداء نموذج ANN متعدد الطبقات في تحديد وتشخيص آفات الأرز. تتكون مجموعة البيانات المستخدمة في هذه الدراسة من أنواع مختلفة من الأعراض وأنواع الآفات التي تهاجم نباتات الأرز بشكل عام. تنقسم البيانات إلى بيانات تدريب وبيانات اختبار ، بنسبة 10٪: 90٪. تم تطوير نموذج ANN متعدد الطبقات وتدريبه باستخدام بيانات التدريب ، ثم اختباره باستخدام بيانات الاختبار لتقييم دقته. أظهرت النتائج أن نموذج ANN المطور متعدد الطبقات حقق معدل دقة 99.86٪ في تشخيص آفات نبات الأرز. يوضح هذا أن نموذج ANN متعدد الطبقات قادر على التصنيف الصحيح لكل نوع من الآفات التي يتم مواجهتها. في الاختبارات التي تم إجراؤها ، نموذج ANN قادر على تقديم تنبؤات دقيقة ومتسقة. تشير هذه النتائج إلى إمكانية استخدام طريقة ANN متعددة الطبقات في تشخيص آفات الأرز بدرجة عالية من الدقة. يوضح هذا أن نموذج ANN الذي طورناه يتمتع بقدرة جيدة جدًا على تصنيف البيانات وتشخيص الآفات في نباتات الأرز باستمرار.
Downloads
Downloads per month over past year
Actions (login required)
View Item |