Pemodelan Convolutional Neural Network Dalam Klasifikasi Tanaman Bawang Merah
DOI:
https://doi.org/10.29407/wsmbp591Abstract
Bawang merah merupakan salah satu komoditas yang masa tanamnya memiliki umur relatif singkat. Namun, selama masa pertumbuhan tanaman bawang merah sering mengalami serangan hama dan penyakit mengakibatkan masa pertubuhan terhambat. Penyebab kegagalan panen menjadi masalah dari ketidaktepatan dalam mengenali jenis hama dan penyakit. Penelitian ini bertujuan rancangan sistem untuk mengklasifikasi jenis hama dan penyakit pada tanaman bawang merah dengan menggunakan metode Convolutional Neural Network (CNN). Data hama dan penyakit bawang merah busuk bawang, jamur, kaper dan ulat dengan jumlah 305 yang diambil menggunakan kamera dan dilakukan resize, normalisasi, dan augmentasi, setelah melakukan pre-procrssing model CNN dilatih. Pada hasil evaluasi menggunakan confusion matrix mencapai nilai akurasi 95%. Hasil penelitian ini membuktikan metode CNN dengan arsitektur MobileNetV2 dapat digunakan secara efektif dalam klasifikasi bawang merah.
Keywords:
Bawang merah, Klasifikasi hama dan penyakit, CNN, MobileNetV2##plugins.themes.default.displayStats.downloads##
References
[1] Singgih Wibowo. (1994). Budi Daya Bawang. Penebar Swadaya. Dinas Perpustakaan Dan Kearsipan Provinsi Kepulauan Riau. https://dpk.kepriprov.go.id/opac/detail/zq72v
[2] Fikriah, F. K., Burhanis Sulthan, M., Mujahidah, N., & Khoirur Roziqin, M. (2022). Naïve Bayes untuk Klasifikasi Penyakit Daun Bawang Merah Berdasarkan Ekstraksi Fitur Gray Level Cooccurrence Matrix (GLCM). Jurnal Komtika (Komputasi Dan Informatika), 6(2), 133–141. https://doi.org/10.31603/komtika.v6i2.7925
[3] Ley Kharismatara, Z., & Maruf, A. (2020). Sistem Pakar Diagnosa Penyakit Pada Tanaman Bawang Dengan Menggunakan Certainty Factor. Information System Journal, 3(1), 25–29. https://doi.org/10.24076/infosjournal.2020v3i1.214
[4] Zalvadila, A. (2023). Klasifikasi Penyakit Tanaman Bawang Merah Menggunakan Metode SVM dan CNN. Jurnal Informatika: Jurnal Pengembangan IT, 8(3), 255–260. https://doi.org/10.30591/jpit.v8i3.5341
[5] Rijal, M., Yani, A. M., & Rahman, A. (2024). Deteksi Citra Daun untuk Klasifikasi Penyakit Padi menggunakan Pendekatan Deep Learning dengan Model CNN. Jurnal Teknologi Terpadu, 10(1), 56–62. https://doi.org/10.54914/jtt.v10i1.1224
[6] Manalu, D. R., Sebayang, J., & Manullang, H. G. (2023). Klasifikasi Penyakit Bawang Merah Melalui Citra Daun Dengan Metode K-Means. METHOMIKA Jurnal Manajemen Informatika Dan Komputerisasi Akuntansi, 7(1), 150–157. https://doi.org/10.46880/jmika.vol7no1.pp150-157
[7] Anam, F. S., Muttaqin, M. R., & Ramadhan, Y. R. (2023). Klasifikasi Penyakit Pada Daun dan Buah Jambu Menggunakan Convolutional Neural Network. JOINTECS (Journal of Information Technology and Computer Science), 8(3), 115. https://doi.org/10.31328/jointecs.v8i3.4823
[8] Rahmanita, E., Negara, Y. D. P., Kustiyahningsih, Y., Sasmeka, V., & Khotimah, B. K. (2023). Implementasi Metode Naïve Bayes dan Information Gain Untuk Klasifikasi Penyakit dan Hama Tanaman Jagung. Teknika, 12(3), 198–204. https://doi.org/10.34148/teknika.v12i3.684
[9] Eka Putra, W. S. (2016). Klasifikasi Citra Menggunakan Convolutional Neural Network (CNN) pada Caltech 101. Jurnal Teknik ITS, 5(1). https://doi.org/10.12962/j23373539.v5i1.15696
[10] Fahcruroji, A. R., Madona Yunita Wijaya, & Irma Fauziah. (2024). Implementasi Algoritma Cnn Mobilenet Untuk Klasifikasi Gambar Sampah Di Bank Sampah. PROSISKO: Jurnal Pengembangan Riset Dan Observasi Sistem Komputer, 11(1), 45–51. https://doi.org/10.30656/prosisko.v11i1.8101
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Yahya Eko Febrianto, Danar Putra Pamungkas, Patmi Kasih
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
