// <![CDATA[KLASIFIKASI CITRA BIBIT TANAMAN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DAN IMPROVED FEATURE PYRAMID NETWORK]]> 0409076101 - Muhammad Ichwan, Ir. MT. Dosen Pembimbing 1 Rizkika Siti Syifa/152018030 Penulis
Klasifikasi bibit tanaman bertujuan untuk membantu memfasilitasi pengendalian jenis tanaman. Namun, tugas klasifikasi tanaman menggunakan metode manual rentan terhadap kesalahan manusia. Dengan demikian, CNN dan Improved FPN diimplementasikan untuk melakukan tugas klasifikasi. Peningkatan FPN dilakukan untuk meningkatkan kualitas informasi yang didapatkan fitur, dengan menerapkan Channel Attention Module dan Augmented Bottom-up Pathway. Arsitektur ResNet50 digunakan sebagai backbone konvolusi FPN untuk meningkatkan kemampuan FPN mengekstraksi fitur. CNN kemudian diterapkan pada setiap peta fitur FPN akhir untuk mengklasifikasikan data. Pada penelitian ini, hasil pengujian klasifikasi menunjukkan model memiliki kinerja lebih baik ketika FPN ditingkatkan dengan Channel Attention Module dan Augmented Bottom-up Pathway dengan rasio pengurangan Channel Attention diatur ke nilai 4 dengan akurasi pengujian yaitu 93,11% dan skor F1 yaitu 93%.