Implementasi Metode CNN Pada Aplikasi Android Untuk Deteksi Penyakit Pada Daun Padi
DOI:
https://doi.org/10.29407/inotek.v7i2.3522Abstract
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%.
Keywords:
CNN, Padi, Identifikasi, hawar daun, blast, bercak coklat, hispa##plugins.themes.default.displayStats.downloads##
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
Downloads
Published
Issue
Section
License
Copyright (c) 2023 Bagas Julianto, 2Intan Nur Farida, Made Ayu Dusea Widya Dara
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
