Keywords
Bulai
karat
Bercak
kalsifikasi;
CNN(Convolutional Neural Network)
How to Cite
Abstract
Jagung (Zea mays) merupakan bahan pangan yang memegang peranan penting di Indonesia. Total hasil jagung selalu berfluktuasi karena pengaruh penawaran dan permintaan yang selalu berubah. Permintaan jagung yang meningkat tajam di pasar domestik merupakan peluang bagi Indonesia untuk menyeimbangkan pasokan dan permintaan jagung. Namun tanaman jagung dapat terserang hama dan penyakit, antara lain tiga penyakit utama jagung adalah penyakit busuk daun (peronosclerospora maydis, P. philippinensis dan P. sorghi), bercak daun jagung (Bipolaris maydis) dan karat (Puccinia polysora). Oleh sebab itu, Penelitian ini bertujuan untuk mengklasifikasikan penyakit padi menurut daun sakit menggunakan teknik deep learning Metode Convolutional Neural Network (CNN), untuk mempermudah dalam pendeteksi dini penyakit jagung agar bisa segera mendapatkan penanganan. Berdasarkan hasil klasifikasi yang dilakukan, didapatkan akurasi sebesar 97% Dengan menggunakan parameter epoch 40, size 224 x 224, batch size32.
References
U. D. Rosiani, C. Rahmad, and M. A. Rahmawati, “Segmentasi Berbasis K-Means Pada Deteksi Citra Penyakit Daun Tanaman Jagung,” J. Inform. Polinema, vol. 6, no. 3, pp. 37–42, 2020, doi: 10.33795/jip.v6i3.331.
Aderibigbe, “Produksi Jagung 2014-2018 menurut BPS,” Energies, vol. 6, no. 1, pp. 1–8, 2018, [Online]. Available: https://www.pertanian.go.id/Data5tahun/TPATAP-2017(pdf)/23-ProdJagung.pdf
D. Iswantoro and D. Handayani UN, “Klasifikasi Penyakit Tanaman Jagung Menggunakan Metode Convolutional Neural Network (CNN),” J. Ilm. Univ. Batanghari Jambi, vol. 22, no. 2, p. 900, 2022, doi: 10.33087/jiubj.v22i2.2065.
M. R. Alwanda, R. P. K. Ramadhan, and D. Alamsyah, “Implementasi Metode Convolutional Neural Network Menggunakan Arsitektur LeNet-5 untuk Pengenalan Doodle,” J. Algoritm., vol. 1, no. 1, pp. 45–56, 2020, doi: 10.35957/algoritme.v1i1.434.
N. Z. Munantri, H. Sofyan, and M. Yanu, “Aplikasi Pengolahan Citra Digital Untuk Mendeteksi Umur Pohon,” Telematika, vol. 16, no. 2, pp. 97–104, 2019.
F. Hendrayana, N. A. Lestari, A. Muis, and M. Azrai, “Ketahanan Beberapa Varietas Jagung Hibrida Terhadap Beberapa Penyakit Penting Jagung Di Indonesia,” J. Agriovet, vol. 3, no. 1, p. 25, 2020, doi: 10.51158/agriovet.v3i1.419.
N. Saputri, S. J. Santosa, and S. Bahri, “KAJIAN MACAM PUPUK HAYATI TERHADAP INTENSITAS PENYAKIT BERCAK DAUN Cercospora sp PADA TANAMAN JAGUNG HITAM,” InnofarmJurnal Inov. Pertan., vol. 22, no. 1, p. 50, 2020, doi: 10.33061/innofarm.v22i1.3534.
P. Agroekoteknologi and F. Pertanian, “Epidemiologi Penyakit Karat pada Tanaman Jagung (Zea mays L.) di Denpasar Selatan NI MADE PUSPAWATI DAN I MADE SUDARMA *),” Agrotrop, vol. 6, no. 2, pp. 117–127, 2016.
M. C. Mahfud, Teknologi dan strategi pengendalian penyakit karat daun untuk meningkatkan produksi kopi nasional, vol. 5, no. 1. 2012.
R. Kurniawan Budhi, A. Prayitno, and S. Elvina, “Pengenalan Pola Daun untuk Pendeteksi Dini Penyakit Tanaman Jagung Menggunakan Deteksi Tepi Sobel,” Semin. Nas. APTIKOM, pp. 340–346, 2019.
H. Sanusi and D. T. Susetianingtias, “Menggunakan Ruang Warna Rgb Dan Hsv,” J. Ilm. Inform. Komput., vol. 24, no. 3, pp. 180–190, 2019.
W. S. Eka Putra, “Klasifikasi Citra Menggunakan Convolutional Neural Network (CNN) pada Caltech 101,” J. Tek. ITS, vol. 5, no. 1, 2016, doi: 10.12962/j23373539.v5i1.15696.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2023 Reza Mawarni, Resty Wulanningrum, Risa Helilintar