Skripsi

Optimasi Model Resnet-50 Menggunakan Convolutional Blok Attention Module Untuk Klasifikasi Multi-Kelas Penyakit Daun Tomat

---

ABSTRAK

PUTRI MEYJRIANTI SASKYA. Optimasi Model ResNet-50 Menggunakan Convolutional Block Attention Module untuk Klasifikasi Multi-Kelas Penyakit Daun Tomat (dibimbing oleh Pasnur dan Wisda).

Permasalahan yang terjadi adalah model Convolutional Neural Network (CNN) konvensional seperti ResNet-50 cenderung memberikan bobot seragam pada seluruh region citra, sehingga kurang mampu memfokuskan perhatian pada area yang relevan secara patologis dalam klasifikasi penyakit daun tomat. Oleh karena itu, penelitian ini menawarkan solusi berupa integrasi Convolutional Block Attention Module (CBAM) pada model ResNet-50. Penelitian ini bertujuan menganalisis pengaruh integrasi CBAM terhadap efisiensi dan waktu komputasi model ResNet-50 dalam klasifikasi multi-kelas penyakit daun tomat. Data ini diperoleh melalui studdi pustaka dan dataset Plant Village sebanyak 8.962 citra dalam tujuh kelas penyakit daun tomat. Metode yang digunakan dalam penelitian adalah integrasi modul CBAM pada empat blok residual utama ResNet-50 ditambah satu modul pada output akhir backbone, diuji melalui tiga skenario pembagian data (80:20, 70:30, dan 60:40) serta 5-Fold Stratified Cross Validation. Hasil penelitian ini menunjukkan bahwa integrasi CBAM memengaruhi efisiensi model secara kondisional bergantung pada skenario pembagian data, dengan performa terbaik yaitu test accuracy 71,58% dan F1-Score 0,70 pada skenario 60:40, disertai peningkatan efisiensi 1,29 poin persen akurasi untuk setiap tambahan 8 menit waktu komputasi. Model baseline membutuhkan rata-rata 109 menit, sedangkan CBAM menambah waktu sekitar 8–11 menit akibat penambahan parameter dari 24 juta menjadi 26.219.595. Model ini dapat digunakan sebagai alat bantu deteksi penyakit daun tomat berbasis citra dengan interpretability yang baik melalui visualisasi Grad-CAM, mendukung petani dan penyuluh pertanian dalam pengendalian penyakit daun tomat secara lebih tepat sasaran.

Kata kunci: Klasifikasi Penyakit Daun Tomat, ResNet-50, Convolutional Block Attention Module, Waktu Komputasi, Transfer Learning.
 

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

SKR PUT o

Penerbit

Makassar : UNITAMA., 2026

Deskripsi Fisik

xvii + 122 hlm., 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

REF PUT o

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

Pembimbing I: Pasnur dan Pembimbing II: Wisda Penguji: Khaidir Rahman Nasir, Tamra dan Febri Hidayat Saputra

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar