Repository Universitas Negeri PadangKlasifikasi Gambar Fase Pertumbuhan Padi Menggunakan Algoritma Extreme Gradient BoostingMaya IfraShobiaauthorKlasifikasi gambar merupakan salah satu penerapan penting dari machine learning yang banyak digunakan di berbagai bidang, termasuk sektor pertanian. Di Indonesia, proses identifikasi fase pertumbuhan padi pada kegiatan Kerangka Sampel Area (KSA) masih dilakukan secara manual, sehingga memerlukan waktu yang cukup lama dan masih menimbulkan kesalahan dalam pengamatan dikarena proses klasifikasi yang dilakukan secara manual. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan model otomatis dalam mengklasifikasikan fase pertumbuhan tanaman padi meliputi fase vegetatif awal, vegetatif akhir, generatif, dan panen menggunakan algoritma Extreme Gradient Boosting (XGBoost) yang dipadukan dengan ekstraksi fitur VGG16, guna meningkatkan akurasi dan efisiensi proses identifikasi fase pertumbuhan. Dataset yang digunakan terdiri atas 1.417 gambar tanaman padi yang dikumpulkan di Kabupaten Padang Pariaman selama periode November 2023 hingga Februari 2024. Tahapan praproses mencakup penyesuaian ukuran dimensi gambar menjadi 224×224 piksel dan normalisasi dalam rentang [0,1], kemudian dilakukan augmentasi data untuk meningkatkan variasi gambar dan mengurangi risiko overfitting. Dataset dibagi menjadi data pelatihan (80%) dan data pengujian (20%). Ekstraksi fitur dilakukan menggunakan VGG16, dan hasilnya digunakan sebagai masukan (input) pada algoritma XGBoost. Proses penyetelan parameter (grid search) menghasilkan parameter optimal, yaitu n_estimators = 500, max_depth = 5, learning_rate = 0,01, subsample = 0,5, dan colsample_bytree = 0,9. Model yang dikembangkan berhasil mencapai akurasi sebesar 80,63%, yang termasuk dalam kategori good classification. Hasil ini menunjukkan bahwa kombinasi VGG16 dan XGBoost mampu mengenali serta membedakan setiap fase pertumbuhan padi secara efektif. Pendekatan ini berpotensi mendukung proses pemantauan pertanian, serta memberikan kontribusi terhadap peningkatan ketahanan pangan nasional melalui penerapan kecerdasan buatan.QA Mathematics2025Universitas Negeri Padang;Statistika FMIPA UNPThesis

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant Repository Universitas Negeri Padang the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that Repository Universitas Negeri Padang does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at Repository Universitas Negeri Padang is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the Deposit Item Now button indicates your agreement to these terms.