Pengenalan Jenis Hama Serangga Menggunakan Algoritma Convolutional Neural Network Dengan Arsitektur MobileNetV2
| Main Author: | Setiawan, Adhi |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2021
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/184169/1/Adhi%20Setiawan.pdf http://repository.ub.ac.id/184169/ |
Daftar Isi:
- Serangga merupakan jenis hewan dengan populasi terbanyak di bumi. Dalam bidang pertanian, serangga sering disebut sebagai hama karena bersifat sebagai predator dan parasitoid pada tanaman. Jumlah populasi hama yang terlalu banyak akan merusak tanaman, oleh karena itu perlu dilakukan pencegahan agar populasi hama ini dapat terkontrol. Namun setiap jenis hama memiliki pencegahan yang berbeda-beda, banyaknya jenis hama yang ada juga akan menyulitkan untuk identifikasi jenis hama apa yang menyerang. Pembuatan sistem kecerdasan buatan berbasiskan pengenalan citra hama dengan algoritma CNN dan arsitektur MobileNetV2, dirasa akan sangat membantu dalam proses identifikasi hama tersebut agar pencegahan yang tepat bisa dilakukan. Dalam melakukan pelatihan pada algoritma CNN ini, digunakan dataset IP102 yang terdiri dari 75.000 citra serangga dan terbagi menjadi 102 jenis serangga yang berbeda-beda. Teknik pelatihan yang digunakan adalah dengan konfigurasi optimizer AdamW dengan nilai learning rate awal yaitu 0,0001 dan penambahan dropout sebesar 0,2 pada layer linear. Pada penelitian ini dilakukan beberapa pengujian yaitu menggunakan dynamic learning rate, penambahan cutmix, dan penggunaan sparse regularization. Hasil akurasi tertinggi sebesar 0,7132 didapatkan dari penggabungan ketiga metode tersebut. Penggunaan dynamic learning rate akan membantu proses penurunan gradien menjadi perlahan saat mendekati global minima. Penambahan cutmix juga membuat model bisa belajar lebih banyak dari data yang berbeda-beda, meskipun terjadi sedikit underfitting namun dari pengujian pada data uji menunjukkan hasil yang lebih baik. Sparse regularization juga berpengaruh karena akan membuat nilai keluaran dari fungsi aktivasi tidak terlalu jauh dari nol.