Identifikasi Penyakit Tanaman Bunga Anggrek Menggunakan Metode CNN
DOI:
https://doi.org/10.29407/jp3vg173Abstract
Anggrek ialah termasuk tanaman hias yang umumnya dirawat tetapi tidak banyak perintis belajar merawat tanpa memiliki wawasan serta bakat yang setara hingga anggrek yang dirawat tidak berkembang secara baik. Permasalahan yang ditemukan ialah sulit mengidentifikasi penyakit pada bunga anggrek akibat telat dalam penananganan dan menyebabkan bunga anggrek rusak atau mati. Klasifikasi penyakit anggrek dilihat dari penyebabnya sendiri meliputi jamur, bakteri dan virus. Solusi mengatasi permasalahan tersebut dengan membuat sistem identifikasi penyakit pada bunga anggrek berbasis website berdasarkan citra daun dengan metode Convolutional Neural Network (CNN). Penelitian ini menggunakan pendekatan deskriptif kualitatif dengan desain yang digunakan yaitu studi kasus. Hasil penelitian menunjukkan bahwa metode CNN dengan model VGG16 mampu digunakan untuk mengidentifikasi penyakit pada tanaman bunga anggrek berdasarkan daun dan sangat cocok memberikan akurasi serta tingkat keakuratan yang tinggi dalam melakukan prediksi.
Keywords:
Metode, CNN, Anggrek, Bunga, Penyakit##plugins.themes.default.displayStats.downloads##
References
[1] M. F. Firdaus, Y. Pratama Iswoyo, and Y. N. Ahmadi, “Klasifikasi Tanaman Anggrek Menggunakan Metode CNN Berbasis Web Django,” Pros. Semin. Nas. Teknol. dan Sains, vol. 3, pp. 394–403, 2024.
[2] E. Nugroho, “Teknik Pengendalian Hama Dan Penyakit Pada Anggrek Di Widoro Kandang Yogyakarta,” Universitas Sebelas Maret, 2009.
[3] A. Monawati, D. Rhomadhoni, and N. R. Hanik, “IDENTIFIKASI HAMA DAN PENYAKIT PADA TANAMAN ANGGREK BULAN,” Florea J. Biol. dan Pembelajarannya, vol. 8, no. 1, pp. 12–21, 2021.
[4] M. Zainuri and D. P. Pamungkas, “Implementasi Metode Convolutional Neural Network (CNN) untuk Klasifikasi Bunga Anggrek,” Semin. Nas. Inov. Teknol., pp. 87–92, 2020.
[5] 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, pp. 900–905, 2022, doi: 10.33087/jiubj.v22i2.2065.
[6] M. Baihaqy, A. T. Wibowo, and D. Q. Utama, “Klasifikasi Tanaman Anggrek jenis Phalaenopsis berdasarkan Citra Labellum Bunga Menggunakan Metode Convolutinal Neural Network (CNN ),” e-Proceeding Eng., vol. 9, no. 3, pp. 1942–1951, 2022.
[7] E. Oktafanda, “Klasifikasi Citra Kualitas Bibit dalam Meningkatkan Produksi Kelapa Sawit Menggunakan Metode Convolutional Neural Network (CNN),” J. Inform. Ekon. Bisnis, vol. 4, no. 3, pp. 72–77, 2022, doi: 10.37034/infeb.v4i3.143.
[8] Sugiyono, Metode Penelitian Kuantitatif, Kualitatif dan R&D. Bandung: Alfabeta, 2017.
[9] M. Apriansi and R. Suryani, “Pemacuan Pembungaan Anggrek Bulan (Phalaenopsis Amabilisi L) Setelah Tahap Aklimitasi Pada Perlakuan Media Tanam Dan Pemupukan Stimulating Flowering of the Moon Orchid (Phalaenopsis Amabilisi L) After the Aclimitation Stage in the Treatment of Planting Me,” J. Ilmu Tanam., vol. 1, no. 2, pp. 81–90, 2021.
[10] A. N. R. Munandar and A. F. Rozi, “Analisis Arsitektur Convolutional Neural Network Untuk Klasifikasi Citra Bunga,” J. Teknol. Dan Sist. Inf. Bisnis, vol. 6, no. 3, pp. 522–531, 2024, doi: 10.47233/jteksis.v6i3.1413.
[11] E. Predianto and B. Sutomo, “Klasifikasi Jenis Bunga Dengan Algoritma Convolutional Neural Network (Cnn) Menggunakan Metode Region-Based Convolutional Neural Network (R-CNN),” Cybersp. J. Pendidik. Teknol. Inf., vol. 8, no. 2, pp. 64–68, 2024, doi: 10.46764/teknimedia.v2i2.39.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Muhammad Akbar Kurniawan, Ratih Kumalasari Niswatin, Intan Nur Farida
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
