Identifikasi Penyakit Pada Tanaman Singkong Menggunakan Vision Transformer

Fadilah, Achmad (2025) Identifikasi Penyakit Pada Tanaman Singkong Menggunakan Vision Transformer. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05111940000155-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Singkong merupakan salah satu komoditas pangan utama di Indonesia. Dalam masa produksi singkong terdapat proses observasi yang menggunakan metode invasif. Metode tersebut dapat mengganggu pertumbuhan singkong. Kemudian ditemukan metode alternatif non-invasif untuk melakukan observasi terhadap tanaman singkong. Metode tersebut menggunakan data hiperspektral sebagai data observasi. Data hiperspektral adalah data yang merekam informasi spektral dalam bentuk gelombang satu imensi. Data hiperspektral dapat ribuan saluran spectral bands untuk setiap piksel yang tertangkap di mana informasi yang dapat ditangkap dapat melebihi citra RGB. Pada penelitian ini data hiperspektral akan diproses
menggunakan model Vision Transformer (ViT) di mana model tersebut menggunakan data masukan yang berbentuk dua dimensi. Oleh karena itu data hiperspektral yang berbentuk satu dimensi akan diubah menjadi data dua dimensi menggunakan prinsip Fast Fourier Transform
(FFT) yang diaplikasikan pada data hiperspektral menggunakan Short Term Fourier Transfrom (STFT)-Transformer. Hasil konversi data hiperspektral menggunakan STFT berupa spektogram. Model ini digunakan sebagai metode utama untuk melakukan identifikasi penyakit pada tanaman singkong dengan harapan dapat memberikan akurasi yang lebih baik dari model yang lain seperti Linear Regression (LR) dan Support Vector Machine (SVM) yang akan digunakan sebagai perbandingan untuk menentukan performa model ViT. Hasil dari penelitian ini nantinya diharapkan dapat mengidentifikasi penyakit pada tumbuhan singkong
menggunakan model ViT dan mendapatkan akurasi yang baik. Hasil dan implementasi dari penelitian ini menawarkan metode alternatif dalam melakukan observasi pada tanaman singkong yang tidak mengganggu pertumbuhan tanaman singkong.
==========================================================================================================================
Cassava is one of the main commodities in Indonesia. In the production phase of cassava methods used to inquire information for observation has a tendency to be invasive such as leaf cutting. These invasive methods can disrupt the growth process of cassava. Regarding this issue, some researchers found an alternative method that allows cassava to be observed in a non-invasive way. This method utilizes hyperspectral data. Hyperspectral data is a data that
records spectral information in the shape of a one dimentional wave. Hyperspectral data is able
to record thousands of channels of spectral bands in every pixed caught, where the information stored exceeds regular RGB pictures. In this experiment, hyperspectral data will be processed using Vision Transformer (ViT) where the model input uses two dimentional images. In order to fulfill the input requirement there will be some tuning on the hyperspectral data, the one dimentional hyperspectral data will be processed by a Short Term Fourirer Transform (STFT)-Transformer which uses the principal of a Fast Fourier Transform (FFT). The output of STFT
is a spectrogram which is a 2 dimentional image thats representative of the previous one dimention hyperspectral data. ViT is used as the the main model in experiment with an expectation that the results of it’s prediction would be sufficient compared to the use of other models such as Linear Regression (LR) and Support Vector Machine (SVM) which will be used
to be compared with ViT to determine the quality of ViT’s accuracy. The expected outlook of this experiment is cassava disease identification can be conducted using ViT model while having a reliable accuracy. The result of this experiment can offer an alternative method in observations without relying on invasive methods so that cassava plants growth disruption can be minimized.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Cassava Disease, Vision Transformer, Hyperspectral Data, Fast Fourier Transform, Short Term Fourier Transform, Spectogram
Subjects:	T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Faculty of Information and Communication Technology > Informatics > 55201-(S1) Undergraduate Thesis
Depositing User:	Achmad Fadillah
Date Deposited:	19 Sep 2025 06:58
Last Modified:	19 Sep 2025 06:58
URI:	http://repository.its.ac.id/id/eprint/128309

Actions (login required)

View Item