Segmentasi Citra Udara Area Lahan Pertaninan Berpenyakit Menggunakan Metode Segformer

Setiawan, Dany (2024) Segmentasi Citra Udara Area Lahan Pertaninan Berpenyakit Menggunakan Metode Segformer. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5002201144-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (31MB) | Request a copy

Abstract

Indonesia merupakan salah satu negara agraris terbesar di dunia dengan hasil produksi dan ketergantungan tinggi pada sektor pertanian. Tantangan utama bagi petani, terutama dalam produksi padi, adalah ancaman gagal panen yang sering disebabkan oleh serangan penyakit. Untuk mengatasi masalah ini, teknologi modern dapat dimanfaatkan melalui konsep smart farming. Salah satu teknologi yang menjanjikan adalah penggunaan Unmanned Aerial Vehicle (UAV). UAV ini digunakan untuk pengambilan citra udara yang dapat memantau kondisi lahan pertanian dan mendeteksi area yang berpenyakit. Penelitian dengan pemanfaatan citra udara dari UAV perlu dikembangkan untuk mempermudah dalam menangani area berpenyakit pada tanaman padi. Penelitian Tugas Akhir ini berfokus pada eksplorasi salah satu model berbasis arsitektur Transformer Network untuk segmentasi area lahan pertanian berpenyakit berdasarkan data citra udara. Model yang digunakan pada Tugas Akhir ini adalah Segformer. Pada Tugas Akhir ini telah dilakukan segmentasi area lahan pertanian berpenyakit menggunakan metode segformer dengan data citra udara. Dalam pelatihan model ini dilakukan serangkaian uji coba dengan melihat pengaruh dari jenis augmentasi yang dilakukan pada data pelatihan. Hasilnya model terbaik adalah model yang dilatih dengan dilakukan empat jenis augmentasi, yaitu transformasi geometri, warna, noise dan kernel filters. Hasil pengujian dengan data uji mendapatkan nilai Intersection Over Union (IoU) sebesar
0.7344.
============================================================
Indonesia is one of the largest agrarian countries in the world, with high production yields and dependency on the agricultural sector. The main challenge for farmers,
especially in rice production, is the threat of crop failure often caused by disease outbreaks. To address this issue, modern technology can be leveraged through the concept of smart farming. One promising technology is the use of Unmanned Aerial Vehicles (UAVs). These UAVs are used to capture aerial images that can monitor the condition of agricultural land and detect diseased areas. Research utilizing aerial imagery from UAVs needs to be developed to facilitate the management of diseased areas in rice crops. This Final Project focuses on exploring a model based on Transformer Network architecture for segmenting diseased agricultural areas using aerial image data. The model used in this Final Project is Segformer. In this project, segmentation of diseased agricultural areas was performed using the Segformer method with aerial image data. A series of experiments were conducted during the model training to examine the impact of different types of data augmentation on the training data. The best model was achieved using four types of augmentation: geometric transformation, color, noise, and kernel filters. Testing results with the test data achieved an Intersection Over Union (IoU) value of 0.7344.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Segmentasi, Padi Berpenyakit, SegFormer ============================================================ segmentation, Diseased Rice, SegFormer
Subjects:	Q Science > QA Mathematics > QA76.6 Computer programming. Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Dany Setiawan
Date Deposited:	06 Aug 2024 04:53
Last Modified:	06 Aug 2024 04:53
URI:	http://repository.its.ac.id/id/eprint/111193

Actions (login required)

View Item