Repository Universitas Negeri PadangAnalisis Kinerja Vision Transformer Berbasis Transfer learning Untuk Klasifikasi Multikelas pada Gambar Fase Pertumbuhan PadiRosa SalsabilaAzarineauthorKlasifikasi gambar berbasis deep learning merupakan salah satu teknik yang banyak digunakan di berbagai bidang, termasuk sektor pertanian. Di Indonesia, identifikasi fase pertumbuhan padi pada kegiatan Kerangka Sampel Area (KSA) masih dilakukan secara manual, sehingga membutuhkan waktu yang cukup lama dan berisiko menimbulkan kesalahan pengamatan. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan model otomatis untuk mengklasifikasikan fase pertumbuhan padi yang meliputi vegetatif awal, vegetatif akhir, generatif dan panen menggunakan arsitektur Vision Transformer (ViT). Model yang dikembangkan ViT�B/16 berbasis transfer learning guna meningkatkan akurasi dan efisiensi proses klasifikasi. Dataset yang digunakan terdiri atas 1.417 gambar tanaman padi yang diperoleh dari BPS Kabupaten Padang Pariaman selama periode November 2023 hingga Februari 2024. Tahapan praproses mencakup penyesuaian dimensi gambar menjadi 224 × 224 piksel dan normalisasi ke rentang [0,1]. Dataset dibagi menjadi data training (80%) dan data testing (20%). Augmentasi data dilakukan pada data training untuk meningkatkan variasi gambar serta mengurangi risiko overfitting. Pelatihan data dilakukan melalui dua pendekatan yaitu transfer learning dan from scratch sebagai baseline menggunakan beberapa pengaturan hyperparameter seperti epoch 10, batch size berukuran 32, learning rate dengan nilai 0,00005, optimizer AdamW dengan weight decay 0,01 dan fungsi cross-entropy loss. Hasil evaluasi menunjukkan bahwa model yang dilatih dengan pendekatan transfer learning berhasil mencapai akurasi 90,46% dan mampu meningkatkan akurasi sebesar 14,84% dibandingkan dengan model yang dilatih dari awal (from scratch) yang hanya memiliki akurasi sebesar 75,62%. Hal ini menunjukkan bahwa implementasi transfer learning efektif dalam meningkatkan kinerja ViT dalam klasifikasi multikelas pada gambar fase pertumbuhan padi serta termasuk kategori excellent classification.HA StatisticsT Technology (General)2026-02Universitas 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.