Implementasi Metode CNN Pada Klasifikasi Penyakit Jagung

Authors

  • Reza Mawarni Universitas Nusantara PGRI Kediri Indonesia
  • Resty Wulanningrum Universitas Nusantara PGRI Kediri Indonesia
  • Risa Helilintar Universitas Nusantara PGRI Kediri Indonesia

DOI:

https://doi.org/10.29407/inotek.v7i3.3566

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.

Keywords:

Jagung, Bulai, karat, Bercak, kalsifikasi;, CNN(Convolutional Neural Network)

##plugins.themes.default.displayStats.downloads##

##plugins.themes.default.displayStats.noStats##

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.

Downloads

Published

2023-07-26

Issue

Vol. 7 No. 3 (2023): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2023

Section

Articles

License

Copyright (c) 2023 Reza Mawarni, Resty Wulanningrum, Risa Helilintar

Creative Commons License

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:

  1. Copyright on any article is retained by the author(s).
  2. 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.
  3. 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.
  4. 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.
  5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License

How to Cite

Implementasi Metode CNN Pada Klasifikasi Penyakit Jagung . (2023). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 7(3), 1256-1263. https://doi.org/10.29407/inotek.v7i3.3566