Implementasi Metode Convolutional Neural Network (CNN) Untuk Klasifikasi Penyakit Teh di PT Perkebunan Nusantara XII Sirah Kencong
DOI:
https://doi.org/10.29407/c40jb588Abstract
Teh adalah tanaman perdu yang dapat tumbuh dengan tinggi sekitar 1-2 meter. Indonesia merupakan eksportir teh terbanyak ke enam di dunia. Namun dalam kurun waktu 2005-2021 jumlah ekspor teh dari indonesia mengalami penurunan. Salah satu faktor penurunan daun teh adalah kualitas daun teh. Kulaitas daun teh dipengaruhi oleh kesehatan pada daun teh itu sendiri. Pada tanaman teh terdapat dua jenis penyakit yang sering ditemui pada daun teh yaitu cacar daun dan hawar daun. Saat ini deteksi penyakit masih dilakukan secara manual. Convolutinal Neural Network (CNN) merupakan salah satu implementasi dari Deep Learning yang digunakan untuk pemrosesan citra digital. Penelitian ini bertujuan untuk mengimplementasikan arsitektur NASnet Mobile yang ada pada CNN untuk mendeteksi penyakit yang menyerang daun teh. Penerapan CNN dengan dengan arsitektur NASNet Mobile ini memiliki akurasi terbaik pada epoch 20 dan learning-rate 0.001 dengan akurasi 100%, validasi 72% dan test 100%.
Keywords:
Teh, Penyakit Teh, Pengolahan Citra, CNN##plugins.themes.default.displayStats.downloads##
References
“STATISTIK TEH INDONESIA 2021 INDONESIA TEA.”
M. P. Saragih and L. Sulistyiowati, “Analisis Faktor-faktor… 55 ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI VOLUME EKSPOR TEH INDONESIA DALAM KURUN WAKTU 1987-2016,” Februari, vol. 4, no. 1, pp. 55–72.
N. Fauziyah, B. Hadisutrisno, and A. Priyatmojo, “Waktu Pemencaran dan Pengaruh Jenis Air terhadap Perkecambahan Basidiospora Exobasidium vexans, Penyebab Penyakit Cacar Daun Teh,” Jurnal Perlindungan Tanaman Indonesia, vol. 22, no. 1, p. 66, Jul. 2018, doi: 10.22146/jpti.23047.
A. P. J. Kusdiana, “DIAGNOSIS PENYAKIT GUGUR DAUN KARET (Hevea brasiliensis Muell. Arg.),” Jurnal Penelitian Karet, Jun. 2021, doi: 10.22302/ppk.jpk.v2i38.728.
R. Mawarni, R. Wulaningrum, and R. Helilintar, “Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) 1256 Implementasi Metode CNN Pada Klasifikasi Penyakit Jagung,” Online, 2023.
Moh. A. Hasan, Y. Riyanto, and D. Riana, “Grape leaf image disease classification using CNN-VGG16 model,” Jurnal Teknologi dan Sistem Komputer, vol. 9, no. 4, pp. 218–223, Oct. 2021, doi: 10.14710/jtsiskom.2021.14013.
D. Irfansyah et al., “Arsitektur Convolutional Neural Network (CNN) Alexnet Untuk Klasifikasi Hama Pada Citra Daun Tanaman Kopi,” vol. 6, no. 2, 2021, [Online]. Available: https://data.mendeley.com/datasets/c5yvn32dzg/2.
C. R. Kotta, D. Paseru, M. Sumampouw, T. Informatika, U. Katolik De La Salle Manado, and K. I. Kombos Manado -, “Implementasi Metode Convolutional Neural Network untuk Mendeteksi Penyakit pada Citra Daun Tomat Implementation of Convolutional Neural Network Method to Detect Diseases in Tomato Leaf Image.”
H. Jurnal, P. Aprilian Prastianing Huda, and A. Akbar Riadi, “JURNAL MANAJEMEN INFORMATIKA KLASIFIKASI PENYAKIT TANAMAN PADA DAUN APEL DAN ANGGUR MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORKS,” JUMIKA, vol. 8, no. 1, 2021.
N. Hardi, “Komparasi Algoritma MobileNet Dan Nasnet Mobile Pada Klasifikasi Penyakit Daun Teh,” Jurnal Rekayasa Perangkat Lunak, vol. 3, no. 1, 2022.
F. Habib Hawari, F. Fadillah, M. Rifqi Alviandi, and T. Arifin, “KLASIFIKASI PENYAKIT PADI MENGGUNAKAN ALGORITMA CNN (CONVOLUTIONAL NEURAL NETWORK),” JURNAL RESPONSIF, vol. 4, no. 2, pp. 184–189, 2022, [Online]. Available: https://ejurnal.ars.ac.id/index.php/jti
B. Nugroho and E. Yulia, “KINERJA METODE CNN UNTUK KLASIFIKASI PNEUMONIA DENGAN VARIASI UKURAN CITRA INPUT,” vol. 8, no. 3, pp. 533–538, 2021, doi: 10.25126/jtiik.202184515.
B. Nugroho and E. Yulia, “KINERJA METODE CNN UNTUK KLASIFIKASI PNEUMONIA DENGAN VARIASI UKURAN CITRA INPUT,” vol. 8, no. 3, pp. 533–538, 2021, doi: 10.25126/jtiik.202184515.
Faiz Nashrullah, Suryo Adhi Wibowo, and Gelar Budiman, “The Investigation of Epoch Parameters in ResNet-50 Architecture for Pornographic Classification,” Journal of Computer, Electronic, and Telecommunication, vol. 1, no. 1, Jul. 2020, doi: 10.52435/complete.v1i1.51.
D. Normawati and S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” 2021.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Galang Kurnia Anaga, Umi Mahdiyah, Ahmad Bagus Setiawan
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
