Keywords
Identifikasi Penyakit Daun Padi
Pertanian Cerdas.
Monitoring Lahan Sehat,
Convolutional Neural Network (CNN)
How to Cite
Abstract
Tanaman padi merupakan komoditas utama di Indonesia yang rentan terhadap serangan penyakit daun, yang berdampak signifikan terhadap hasil panen. Penelitian ini bertujuan mengembangkan sistem identifikasi dini penyakit daun padi menggunakan metode Convolutional Neural Network (CNN) berbasis citra digital. Sistem ini dilatih dengan 120 data gambar yang diklasifikasikan menjadi tiga jenis penyakit: bercak coklat, bercak daun bakteri, dan bercak daun biasa. Hasil evaluasi menunjukkan akurasi klasifikasi mencapai 95%. Sistem ini berpotensi membantu petani dalam mendeteksi penyakit secara cepat dan akurat guna menjaga produktivitas lahan.
References
[1] M. C. Mau, P. Yanuariusazi, ) Hendrikawae, S. Tinggi, and P. Flores Bajawa, “Identifikasi Gejala Serangan Dan Teknik Pengendalian Hama Pada Padi Inpari 30 Di Desa Pape Kecamatan Bajawa Kabupaten Ngada,” vol. 1, pp. 87–94, 2023.
[2] S. Soetriono, Pengantar Ilmu Pertanian Umum, no. July 2023. 2003. [Online]. Available: https://books.google.com/books?hl=en&lr=&id=rzOBDwAAQBAJ&oi=fnd&pg=PR3&dq=pertanian+berkelanjutan+1&ots=y18ReFhDhq&sig=nzPRacfA6xuOoXscILFOPjJUIEQ
[3] A. C. Milano, “Klasifikasi Penyakit Daun Padi Menggunakan Model Deep Learning Efficientnet-B6,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 1, 2024, doi: 10.23960/jitet.v12i1.3855.
[4] I. F. Annur, J. Umami, M. N. Annafii, N. Trisnaningrum, and O. V. Putra, “Klasifikasi Tingkat Keparahan Penyakit Leafblast Tanaman Padi Menggunakan MobileNetv2,” Fountain Informatics J., vol. 8, no. 1, pp. 7–14, 2023, doi: 10.21111/fij.v8i1.9419.
[5] N. Istiqomah and M. Murinto, “Klasifikasi Penyakit Tanaman Padi Berbasis Citra Daun Menggunakan Convolutional Neural Network (CNN),” JSTIE (Jurnal Sarj. Tek. Inform., vol. 12, no. 1, p. 18, 2024, doi: 10.12928/jstie.v12i1.27314.
[6] S. Sheila, I. Permata Sari, A. Bagas Saputra, M. Kharil Anwar, and F. Restu Pujianto, “Deteksi Penyakit Pada Daun Padi Berbasis Pengolahan Citra Menggunakan Metode Convolutional Neural Network (CNN),” Multinetics, vol. 9, no. 1, pp. 27–34, 2023, doi: 10.32722/multinetics.v9i1.5255.
[7] G. Y. Christiawan, R. A. Putra, A. Sulaiman, E. Poerbaningtyas, and S. W. Putri Listio, “Penerapan Metode Convolutional Neural Network (CNN) Dalam Mengklasifikasikan Penyakit Daun Tanaman Padi,” J-Intech, vol. 11, no. 2, pp. 294–306, 2023, doi: 10.32664/j-intech.v11i2.1006.
[8] A. A. Santosa, R. Y. N. Fu’adah, and S. Rizal, “Deteksi Penyakit pada Tanaman Padi Menggunakan Pengolahan Citra Digital dengan Metode Convolutional Neural Network,” J. Electr. Syst. Control Eng., vol. 6, no. 2, pp. 98–108, 2023, doi: 10.31289/jesce.v6i2.7930.
[9] S. Azizah, A. I. Pradana, and D. Hartanti, “Komputika : Jurnal Sistem Komputer Identifikasi Kesehatan Daun Tanaman Padi Menggunakan Klasifikasi Biner Sehat dan Tidak Sehat dengan Algoritma Convolutional Neural Network ( CNN ) Di Kabupaten Klaten Identification of Rice Plant Leaf Health Using Binary,” vol. 13, 2024, doi: 10.34010/komputika.v13i2.12771.
[10] S. Suhendar, A. Purnama, and E. Fauzi, “Deteksi Penyakit Pada Daun Tanaman Ubi Jalar Menggunakan Metode Convolutional Neural Network,” J. Ilm. Inform. Glob., vol. 14, no. 3, pp. 62–67, 2023, doi: 10.36982/jiig.v14i3.3478.
[11] N. A. Haris, “Kombinasi Ciri Bentuk dan Ciri Tekstur Untuk Identifikasi Penyakit Pada Tanaman Padi,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 7, no. 2, pp. 237–250, 2020, doi: 10.35957/jatisi.v7i2.239.
[12] Z. Al-Fa’izah, Y. . Rahayu, and N. Hikmah, “Digital Repository Universitas Jember Digital Repository Universitas Jember,” Ef. Penyul. Gizi pada Kelompok 1000 HPK dalam Meningkat. Pengetah. dan Sikap Kesadaran Gizi, vol. 3, no. 3, pp. 69–70, 2017.
[13] A. Putra Pranjaya, F. Rizki, R. Kurniawan, and N. K. Daulay, “KLIK: Kajian Ilmiah Informatika dan Komputer Klasifikasi Penyakit Pada Daun Tanaman Padi Berbasis YoloV5 (You Only Look Once),” Media Online), vol. 4, no. 6, pp. 3127–3136, 2024, doi: 10.30865/klik.v4i6.1916.
[14] A. T. Nugroho, Y. Nursulistyono, B. E. Cahyono, and A. Subekti, “Texture Features of Aglaonema Leaves with Local Binary Pattern Code,” Sistemasi, vol. 13, no. 4, p. 1532, 2024, doi: 10.32520/stmsi.v13i4.4180.
[15] A. Faizin, A. Tri Arsanto, Moch. Lutfi, and A. Rochim Musa, “Deep Pre-Trained Model Menggunakan Arsitektur Densenet Untuk Identifikasi Penyakit Daun Padi,” JATI (Jurnal Mhs. Tek. Inform., vol. 6, no. 2, pp. 615–621, 2022, doi: 10.36040/jati.v6i2.5475.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2025 Ahmad Wildan_muzaki, Bagus Ari Sudamto , Erna Daniati M.kom