Keywords
Pertanian
Faster R-CNN
How to Cite
Abstract
Bawang merah (Allium ascalonicum) merupakan salah satu komoditas yang memiliki peran cukup penting untuk masyarakat Indonesia sebagai bahan bumbu pelezat suatu masakan, kandungan gizinya dapat digunakansebagai pengobatan herbal, dan memiliki peran dalam hal pertumbuhan ekonomi bangsa. Namun, dalam proses pembudidayaan bawang merah memiliki kendala bagi petani yang mengalami kegagalan panen karena kesulitan dalam menangani penyakit yang menyerang bawang merah. Penelitian ini bertujuan untuk menerapkan metode Faster R-CNN dan arsitektur ResNet50 dalam mengidentifikasi penyakit pada tanaman bawang merah. Alur proses penelitian ini terdiri dari pengumpulan dataset, preprocessing data, implementasi program, dan evaluasi. Proses preprocessing data dilakukan dalam pelatihan, termasuk anotasi dan pelabelan data. Model dilatih dengan beberapa skenario, dimana skenario 1 menggunakan ukuran gambar 600x600 dan skenario 2 menggunakan ukuran gambar 400x400. Hasil dari pengujian menunjukan bahwa skenario terbaik adalah dengan ukuran gambar 600x600 yang mencapai akurasi sebesar 65%.
References
H. Triwidodo dan M. H. Tanjung, “Hama Penyakit Utama Tanaman Bawang Merah (Allium Ascalonicum) dan Tindakan Pengendalian di Brebes, Jawa Tengah,” Agrovigor J. Agroekoteknologi, vol. 13, no. 2, hal. 149–154, 2020, doi: 10.21107/agrovigor.v13i2.7131.
M. Qamal, F. FNU, M. Bengi, dan M. FNU, “Diagnosa Penyakit Bawang Merah Dengan Metode Forward Chaining Dan Backward Chaining,” J. Tika, vol. 7, no. 1, hal. 12–18, 2022, doi: 10.51179/tika.v7i1.1002.
M. D. Nasution, A.-K. Al-Khowarizmi, dan H. Maulana, “Optimization of Faster R-CNN to Detect SNI Masks at Mandatory Mask Doors,” J. Informatics Telecommun. Eng., vol. 6, no. 2, hal. 602–611, 2023, doi: 10.31289/jite.v6i2.8128.
A. Zalvadila, “Klasifikasi Penyakit Tanaman Bawang Merah Menggunakan Metode SVM dan CNN,” J. Inform. J. Pengemb. IT, vol. 8, no. 3, hal. 255–260, 2023, doi: 10.30591/jpit.v8i3.5341.
- Nurhikma, - Purnawansyah, H. Darwis, dan H. L, “K-Nearest Neighbor dan Convolutional Neural Network pada Klasifikasi Penyakit Tanaman Bawang Merah,” Techno.Com, vol. 22, no. 3, hal. 643–653, 2023, doi: 10.33633/tc.v22i3.8533.
J. Arfah, Purnawansyah, H. Darwis, dan R. Sastra, “Klasifikasi Penyakit Bawang Merah Menggunakan Naive Bayes dan CNN dengan Fitur GLCM,” Indones. J. Comput. Sci., vol. 12, no. 3, hal. 1231–1240, 2023, doi: 10.33022/ijcs.v12i3.3236.
D. R. Manalu, J. Sebayang, dan H. G. Manullang, “Klasifikasi Penyakit Bawang Merah Melalui Citra Daun Dengan Metode K-Means,” METHOMIKA J. Manaj. Inform. dan Komputerisasi Akunt., vol. 7, no. 1, hal. 150–157, 2023, doi: 10.46880/jmika.vol7no1.pp150-157.
Ayu Lestari, I. W. Sudarsana, dan D. Lusiyanti, “Identifikasi Penyakit Trotol pada Tanaman Bawang Merah (Allium ascalonicum L.) menggunakan Pengolahan Citra Digital dengan Metode Jarak,” J. Ilm. Mat. Dan Terap., vol. 20, no. 1, hal. 108–114, 2023, doi: 10.22487/2540766x.2023.v20.i1.15523.
Y. Rizki, R. Medikawati Taufiq, H. Mukhtar, dan D. Putri, “Klasifikasi Pola Kain Tenun Melayu Menggunakan Faster R-CNN,” IT J. Res. Dev., vol. 5, no. 2, hal. 215–225, 2021, doi: 10.25299/itjrd.2021.vol5(2).5831.
J. PARDEDE dan H. HARDIANSAH, “Deteksi Objek Kereta Api menggunakan Metode Faster R-CNN dengan Arsitektur VGG 16,” MIND J., vol. 7, no. 1, hal. 21–36, 2022, doi: 10.26760/mindjournal.v7i1.21-36.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2024 Michael Ilham Kresnawan, Danar Putra Pamungkas, Umi Mahdiyah