Keywords
CNN
Anggrek
Bunga
Penyakit
How to Cite
Abstract
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.
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.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2025 Muhammad Akbar Kurniawan, Ratih Kumalasari Niswatin, Intan Nur Farida