Keywords
Convolutional Neural Network
Luffa Acutangula
How to Cite
Abstract
Tanaman Gambas atau oyong (Luffa acutangula L.) termasuk golongan sayuran dan buah yang mengandung nutrisi seperti vitamin, mineral dan serat. Proese penanaman gambas tidak luput dari masalah seperti adanya serangan hama dan penyakit yang bisa mengakibatkan kegagalan panen. Proses identifikasi penyakit yang dilakukan manual dengan indera penglihatan manusia memiliki kekurangan yaitu penilaian yang bersifat subyektif yang dipengaruhi oleh kurangnya konsentrasi dan rasa lelah serta perlu pengalaman yang cukupbanyak.Penerapan Jaringan Syaraf Tiruan metode Convolutional Neural Network dengan arsitektur MobileNet untuk melakukan proses identifikasi 3 jenis penyakit pada tanaman gambas yaitu Embun Bulu, Kumbang Daun, dan Ulat Daun memiliki akurasi terbaik pada epoch 25 dan learning rate 0,001 dengan akurasi training senilai 92% dan akurasi cross-validation 91,1% dan akurasi testing senilai 90%.
References
Rukmana R, Yudirachman H. 2016. Budidaya Sayuran Lokal. Nuansa cendekia.Hal 101.
W. Widodo, “Indentifikasi Jenis Kayu Berdasarkan Citra Digital Menggunakan Algoritma Eigenimage Dan Principal Components Analysis,” J. Teknol. Inf. dan Ilmu Komput., vol. 12, no. 3, pp. 27–38, 2014.
Hidayatullah, A., 2013, Identifikasi Tingkat Kematangan Buah Tomat (Lycopersicon esculentum Mill) Menggunakan Metode pengolahan citra digital dan jaringan saraf tiruan, Skripsi, Yogyakarta: UGM.
Yann LeCun, Patrick Haffiner., Leon Botton., Yoshua Bengio. 1998. Object Recognition with Gradient-Based Learning. Proceedings of the IEEE, 86(5):755-824.
Priddy Russakovsky, Olga & Deng, J. & Su, Hao & Krause, J. & Satheesh, Sanjeev & Ma, S. Huang, Z. & Karpathy, A. & Khosla, A. & Bernstein, M.. 2015. ImageNet Large Scale Visual Recognition Challenge. Int. J. Comput. Vis. 115(2015):. 1-42.
Kevil L. Pridi, Keller Paul E. 2005. Artificial Neural Networks An Introduction.
Priddy Russakovsky, Olga & Deng, J. & Su, Hao & Krause, J. & Satheesh, Sanjeev & Ma, S. Huang, Z. & Karpathy, A. & Khosla, A. & Bernstein, M.. 2015. ImageNet Large Scale Visual Recognition Challenge. Int. J. Comput. Vis. 115(2015):. 1-42.
Nasa Official: M. Kusterer John. “Information on the Hierarchical Data Format”. Last modified November 20, 2019. https://eosweb.larc.nasa.gov/tools diakses pada tanggal 1 Januari 2020.
G. Howard, Andrew.,Weijun Wang., Menglong Zhu., Tobias Weyand., Bo Chen., Dmitry Kalenichenko., Hartwig Adam. MobileNets: Efficient Convolutional Neural Networks for mobile Vision Applications.arXiv:1704.04861, 2017. https://arxiv.org/pdf/1704.04861. Diakses pada 1 Maret 2020.
J. Velasco et al., “A smartphone-based skin disease classification using mobilenet CNN,” Int. J. Adv. Trends Comput. Sci. Eng., vol. 8, no. 5, pp. 2632–2637, 2019, doi: 10.30534/ijatcse/2019/116852019