Implementasi Metode CNN Pada Aplikasi Android Untuk Deteksi Penyakit Pada Daun Padi
PDF

Keywords

CNN
Padi
Identifikasi
hawar daun
blast
bercak coklat
hispa

How to Cite

Julianto, B., Farida, I. N. ., & Dara, M. A. D. W. (2023). Implementasi Metode CNN Pada Aplikasi Android Untuk Deteksi Penyakit Pada Daun Padi . Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 7(2), 963–970. https://doi.org/10.29407/inotek.v7i2.3522

Abstract

Padi adalah komoditas pangan yang esensial didalam perekonomian indonesia, oleh karena itu ketersediaannya harus dipastikan untuk memenuhi kebutuhan pangan masyarakat, namun padi juga tidak luput dari serangan penyakit, adapun jenis penyakit daun padi yang diteliti: hawar daun, blast, bercak daun, hispa. Diperlukan sistem guna mengidentifikasi penyakit tersebut dengan menerapkan metode cnn, metode cnn digunakan untuk memprediksi penyakit yang menyerang daun padi dengan menggunakan 1200 citra dan rasio data training dan validate 90%:10% menerapkan parameter optimizer adam, learning rate 0,0001, jumlah epoch 100, batch size 32, dan tahapan pre-processing berupa normalisasi data dan augmentasi dan didapatkan hasil akurasi training sebesar 80% dan testing sebesar 87%.

https://doi.org/10.29407/inotek.v7i2.3522
PDF

References

M. Sayuthi, A. Hanan, P. Satriyo, dan Muklis, “Distribusi hama tanaman padi ( Oryza sativa L .) pada fase vegetatif dan generatif di Provinsi Aceh,” J. Agroecotenia, vol. 3, no. 1, hal. 1–10, 2020.

H. W. Herwanto, T. Widiyaningtyas, dan P. Indriana, “Penerapan Algoritme Linear Regression untuk Prediksi Hasil Panen Tanaman Padi,” J. Nas. Tek. Elektro dan Teknol. Inf., vol. 8, no. 4, hal. 364, 2019, doi: 10.22146/jnteti.v8i4.537.

Ulfah Nur Oktaviana, Ricky Hendrawan, Alfian Dwi Khoirul Annas, dan Galih Wasis Wicaksono, “Klasifikasi Penyakit Padi berdasarkan Citra Daun Menggunakan Model Terlatih Resnet101,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 6, hal. 1216–1222, 2021, doi: 10.29207/resti.v5i6.3607.

R. Masnilah, W. S. Wahyuni, S. D. N, A. Majid, H. S. Addy, dan A. Wafa, “Insidensi dan Keparahan Penyakit Penting Tanaman Padi di kabupaten Jember,” Agritrop J. Ilmu-Ilmu Pertan. (Journal Agric. Sci., vol. 18, no. 1, hal. 1–12, 2020, doi: 10.32528/agritrop.v18i1.3103.

R. N. Aprianto, S. J. Santosa, dan K. Triyono, “KAJIAN MACAM PUPUK KANDANG PADA 3 JENIS PADI TERHADAP INTENSITAS PENYAKIT BERCAK DAUN (Helminthosporium oryzae.),” InnofarmJurnal Inov. Pertan., vol. 21, no. 2, hal. 26, 2020, doi: 10.33061/innofarm.v21i2.3426.

P. Purwadi dan A. H. Nasyuha, “Implementasi Teorema Bayes Untuk Diagnosa Penyakit Hawar Daun Bakteri (Kresek) Dan Penyakit Blas Tanaman Padi,” JURIKOM (Jurnal Ris. Komputer), vol. 9, no. 4, hal. 777, 2022, doi: 10.30865/jurikom.v9i4.4350.

R. Laraswati, E. P. Ramdan, dan U. Kulsum, “Identifikasi Penyebab Penyakit Hawar Daun Bakteri Pada Kombinasi Pola Tanam System of Rice Intensification (SRI) dan Jajar Legowo,” hal. 302–311, 2021, doi: 10.25047/agropross.2021.234.

A. Jinan, B. H. Hayadi, dan U. P. Utama, “Klasifikasi Penyakit Tanaman Padi Mengunakan Metode Convolutional Neural Network Melalui Citra Daun (Multilayer Perceptron),” J. Comput. Eng. Sci., vol. 1, no. 2, hal. 37–44, 2022.

F. Angga Irawan, M. Sudarma, dan D. Care Khrisne, “Rancang Bangun Aplikasi Identifikasi Penyakit Tanaman Pepaya California Berbasis Android Menggunakan Metode Cnn Model Arsitektur Squeezenet,” J. SPEKTRUM, vol. 8, no. 2, hal. 18, 2021, doi: 10.24843/spektrum.2021.v08.i02.p3.

R. Z. Fadillah, A. Irawan, M. Susanty, dan I. Artikel, “Data Augmentasi Untuk Mengatasi Keterbatasan Data Pada Model Penerjemah Bahasa Isyarat Indonesia (BISINDO),” J. Inform., vol. 8, no. 2, hal. 208–214, 2021, [Daring]. Tersedia pada: https://ejournal.bsi.ac.id/ejurnal/index.php/ji/article/view/10768

N. IBRAHIM dkk., “Klasifikasi Tingkat Kematangan Pucuk Daun Teh menggunakan Metode Convolutional Neural Network,” ELKOMIKA J. Tek. Energi Elektr. Tek. Telekomun. Tek. Elektron., vol. 10, no. 1, hal. 162, 2022, doi: 10.26760/elkomika.v10i1.162.

E. Rasywir, R. Sinaga, dan Y. Pratama, “Analisis dan Implementasi Diagnosis Penyakit Sawit dengan Metode Convolutional Neural Network (CNN),” Paradig. - J. Komput. dan Inform., vol. 22, no. 2, hal. 117–123, 2020, doi: 10.31294/p.v22i2.8907.

A. L. A. Shidiq, E. SUhartono, dan S. Saidah, “Klasifikasi Kecacatan Ban Untuk Mengendalikan Kualitas Produk Menggunakan Model CNN Dengan Arsitektur VGG-16 Classification Of Tire Defect To Control Product Quality Using Cnn Model With VGG-16 Architecture,” vol. 8, no. 6, hal. 3216–3225, 2022, [Daring]. Tersedia pada: www.kaggle.com.

R. S. Budi, R. Patmasari, dan S. Saidah, “Klasifikasi Cuaca Menggunakan Metode Convolutional Neural Network ( Cnn ),” e-Proceeding Eng., vol. 8, no. 5, hal. 5047–5052, 2021.

M. I. Wahid, S. A. Mustamin, dan D. A. Lawi, “Identifikasi Dan Klasifikasi Citra Penyakit Daun Tomat Menggunakan Arsitektur Inception V4,” Konf. Nas. Ilmu Komput., vol. 05, no. 2019, hal. 257–264, 2021, [Daring]. Tersedia pada: https://prosiding.konik.id/index.php/konik/article/view/61

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Copyright (c) 2023 Bagas Julianto, 2Intan Nur Farida, Made Ayu Dusea Widya Dara

Downloads

Download data is not yet available.