KLASIFIKASI PENYAKIT DAUN SAWI HIJAU DENGAN METODE CNN
DOI:
https://doi.org/10.29407/8gmc9b37Keywords:
CNN, Klasifikasi, Tingkat akurasi, daun sawi, Deep LearningAbstract
Penelitian ini mengusulkan penggunaan Convolutional Neural Network (CNN) untuk mengklasifikasikan penyakit terhadap daun sawi hijua. Sistem ini bekerja secara otomatis untuk mengontrol mana tanaman sehat dan mana tanaman sakit. Penelitian ini bertujuan untuk mendeteksi tanaman sakit dan tanaman sehat pada tanaman daun sawi hijau Alat ini bekerja dengan pengambilan gambar secara langsung melalui digital,Tingkat akurasi daun sawi hijau yang tepat menjadi penting dalam industry tanaman daun sawi hijau. CNN merupakan metode Deep Learning yang dapat memproses citra dengan akurasi tinggi, Dataset berisi 1071 gambar daun sawi hijau dengan empat Tingkat akurasi daun sawi hijau, yaitu dark akurasi, green akurasi , medium akurasi dan light akurasi. Proses training dilakukan dengan Visual Studio Code dan library TensorFlow, Keras, Open CV dan Numpy. Hasil evaluasi menunjukkan akurasi mencapai 99% pada epoch ke 10. Sistem ini diharapkan membantu penyuka daun sawi hijau mengenal Tingkat akurasi daun sawi hijau dengan lebih akurat.
Downloads
References
A. Kurniadi, “Implementasi Convolutional Neural Network Untuk Klasifikasi Varietas Pada Citra Daun Sawi Menggunakan Keras,” DoubleClick J. Comput. Inf. Technol., vol. 4, no. 1, p. 25, 2020, doi: 10.25273/doubleclick.v4i1.5812.
S. Asikin and Y. Lestari, “Aplikasi Insektisida Nabati Berbahan Tanaman Rawa Dalam Mengendalikan Hama Sawi Di Lahan Rawa Pasang Surut,” Al Ulum J. Sains Dan Teknol., vol. 6, no. 2, p. 32, 2021, doi: 10.31602/ajst.v6i2.4841.
S. Ilahiyah and A. Nilogiri, “Implementasi Deep Learning Pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural Network,” JUSTINDO (Jurnal Sist. dan Teknol. Inf. Indones., vol. 3, no. 2, pp. 49–56, 2018.
U. S. Rahmadhani and N. L. Marpaung, “Klasifikasi Jamur Berdasarkan Genus Dengan Menggunakan Metode CNN,” J. Inform. J. Pengemb. IT, vol. 8, no. 2, pp. 169–173, 2023, doi: 10.30591/jpit.v8i2.5229.
J. V. P. Putra, F. Ayu, and B. Julianto, “Implementasi Pendeteksi Penyakit pada Daun Alpukat Menggunakan Metode CNN,” Stain. (Seminar Nas. Teknol. Sains), vol. 2, no. 1, pp. 155–162, 2023.
A. Ridhovan and A. Suharso, “Penerapan Metode Residual Network (Resnet) Dalam Klasifikasi Penyakit Pada Daun Gandum,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 7, no. 1, pp. 58–65, 2022, doi: 10.29100/jipi.v7i1.2410.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Errin Dwi Ratnasari, Dhira Ananta Rudira, Anom Surya Buana
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
