Eksplorasi dan Analisis Komparatif Kinerja Model Deep Learning pada Aplikasi Android Untuk Studi kasus Identifikasi Kualitas Benih Kecambah Padi |

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

TESIS DIGITAL

Eksplorasi dan Analisis Komparatif Kinerja Model Deep Learning pada Aplikasi Android Untuk Studi kasus Identifikasi Kualitas Benih Kecambah Padi

Feny Rahmasari - Nama Orang; Sidiq Syamsul Hidayat - Nama Orang; Kurnianingsih - Nama Orang;

Tantangan peningkatan produksi beras di Indonesiamembutuhkan fokus pada tingkatpetani, terut:ama dalam penggunaan benih kecambah padi berkualitas tinggi. Penentuan kualitas benih seringkali baru dapat dilakukan setelah penanaman. Metode tradisional penentuan kualitas benih padi, meskipun masih digunakan, cenderung memakan waktu dan kurnng akurat. Penelitian ini mengusulkan solusi berupa sistem identifikasi kualitas benih kecambah padi berdasarkan struktm morfologi, yang dikembangkan menggunakan model deep learning pada platform Android. Sistem ini bertujuan filetlc,oUrangi risiko penanaman benih kecambah pacli berkualitas rendah yang dapat menurunkan produksi padi. Pelatihan model deep learning dilaln1kan menggunakan dataset dari platform Rabaflaw, dan model-model tersebut diintegrasik ·ke dalaiµ aplikasi And.raid.
Penelitian ini melakukan analisis komparatif kinerja dua model deep leai-ning spesifik: Roboflow
Train 3.0 Object Detection (Fast) dan YOLO-NAS (Network _Arch it cture Srarch), dengan mengevaluasi efektivitasnya dalam mengidentiflkasi kualitas benih kec bah padi. Hasil ·
evaluasi komparatif model menw1jukkan bahwa Roboflow Train 3.0 Object Detection (Fast) mencapai Mean Average Precision (m.AP) sebesar 97.,1%, Precision 96,2_.%, ·dan Recall 93 ,4% . Sementara itu, YOLO-NAS menunjukkan Recall 90,1%., mAP sebesar 96,6%, dan Precisfon
97,1%. Berdasarkan analisis komparatif k.i.nerji meskipun YOLO-NAS memiliki Precision yang sedikit lebih tinggi, Roboflow Train 3.0 Object Detection (Fast) direkomendasikan untuk diimplementasikan pada aplikasi Android karena menawarkan keseimbangan yang lebili baik antara akmasi (mAP dan Recall) dan kecepatan, yang penting untuk aplikasi seluler. Pengembangan di masa depan akan difokuskan pada penerapan model untuk inferensi tepi (edge inference), dengan tujuan me katkan efisiensi dan akurasi identi.fikasi kualitas benih kecambah padi.

Kata kunci: Kualilas Benih Kecambah Padi; Deep Leaming; Robojlow Train 3.0 Deteksi Objek (Fast), YOLO-NAS (Network Architecture Search), Aplikasi Android

Fulltext

Tidak Ada Data

Informasi Detail

Judul Seri: -
No. Panggil: TT 002 2025
Penerbit: Semarang : Politeknik Negeri Semarang., 2025
Deskripsi Fisik: xi, 45 hal. : illus.; 30 cm.
Bahasa: Indonesia
ISBN/ISSN: -
Klasifikasi: NONE
Tipe Isi: -
Tipe Media: -
Tipe Pembawa: -
Edisi: -
Subjek: aplikasi android
deep learning
kualitas benih kecambah padi
roboflow train 3.0 deteksi objek (fast)
YOLO-NAS (network architecture search)
Info Detail Spesifik: -
Pernyataan Tanggungjawab: FENY Rahmasari

Versi lain/terkait

Tidak tersedia versi lain

Komentar

Anda harus masuk sebelum memberikan komentar