Klasifikasi Jenis Tanah Menggunakan Arsitektur Vision Transformer (Vit) Dan Mobilenetv3 Pada Platform Android

Abdilah Hasbi, . (2024) Klasifikasi Jenis Tanah Menggunakan Arsitektur Vision Transformer (Vit) Dan Mobilenetv3 Pada Platform Android. Masters thesis, Universitas Pamulang.

	Text COVER.pdf Restricted to Registered users only Download (795kB)
	Text BAB I.pdf Restricted to Registered users only Download (254kB)
	Text BAB II.pdf Restricted to Registered users only Download (464kB)
	Text BAB III.pdf Restricted to Registered users only Download (296kB)
	Text BAB IV.pdf Restricted to Registered users only Download (790kB)
	Text BAB V.pdf Restricted to Registered users only Download (184kB)
	Text Jurnal.pdf Restricted to Registered users only Download (500kB)

Abstract

Indonesia saat ini disebut dengan negara agraris, hal ini dibuktikan dengan sebagian penduduk Indonesia memilki pekerjaan yang berkaitan dengan bidang pertanian. Menentukan jenis tanah memiliki peranan penting dalam bidang pertanian karena menyediakan air, udara, serta nutrisi yang dibutuhkan. Keberagaman jenis tanah seringkali menjadi tantangan bagi petani dalam menentukan jenis tanaman yang cocok dan optimal. Penelitian ini bertujuan untuk mengembangkan sebuah sistem klasifikasi jenis tanah berbasis aplikasi Android dengan 8 kelas yaitu (Aluvial, Entisol, Inceptisol, Kapur, dan Pasir, Andosol, Laterit) yang dapat membantu petani, khususnya di Desa Putatnutug. Metode penelitian ini memanfaatkan teknologi kecerdasan buatan khusunya deep learning, dengan mengadopsi metode Vison Tranformer (ViT) dan MobilenetV3. ViT dipilih karena kemampuanya dalam mengklasifikasi gambar dengan akurasi tinggi, sementara MobilenetV3 dipilih karena efisieni komputasi yang cocok untuk perangkat seluler. Melalui aplikasi Android, petani dapat mengambil gambar sampel tanah dan sistem akan menganalisisnya untuk memberikan prediksi jenis tanah. Proses pengembangan sistem ini melibatkan beberapa tahapan, mulai dari pengumpulan data gambar tanah, preprocessing data, pelatihan model, hingga evaluasi kinerja model. Model yang telah dilatih akan diintegrasikan ke dalam aplikasi Android. Dengan adanya aplikasi ini, diharapkan petani dapat meningkatkan produktivitas dengan mengetahui jenis tanah yang tepat, sehingga dapat memilih jenis tanaman yang sesuai dan menerapkan teknik budidaya yang optimal serta melakukan penghematan biaya. Hasil penelitian ini dari 8 kelas jenis tanah yang telah di latih dengan epoch 80 menunjukan bahwa Arsitektur MobilenetV3 memberikan performa lebih baik dalam mengklasfikasikan jenis tanah dengan rata-rata 96.2%, hasil ini lebih tinggi dari arsitektur Vision Tranformer (ViT) yang menghasilkan 93.7%, dengan penelitian ini akan dengan mudah mendeteksi jenis tanah yang akan memudahkan bagi petani.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	klasifikasi tanah, Vision Transformer, MobileNetV3, deep learning, aplikasi Android
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Yeni Ratnasari
Date Deposited:	08 Jul 2025 07:52
Last Modified:	08 Jul 2025 07:52
URI:	http://repository.unpam.ac.id/id/eprint/16790

Actions (login required)

View Item