PEMANFAATAN ARSITEKTUR MOBILENET-CNN UNTUK MENDIAGNOSIS PENYAKIT PADA DAUN SINGKONG MELALUI TEKNOLOGI CITRA DIGITAL
DOI:
https://doi.org/10.29407/ta398x57Keywords:
Penyakit Singkong, CNN, Klasifikasi Gambar, MobileNetAbstract
Singkong merupakan salah satu tanaman yang banyak ditemukan di Indonesia dan merupakan tanaman dengan banyak manfaat. Salah satu manfaat singkong adalah sebagai bahan pokok pengganti nasi. Tanaman singkong atau biasa disebut ubi, memiliki banyak manfaat. Namun tanaman singkong juga tidak luput dari serangan penyakit. Salah satu faktor yang mempengaruhi rendahnya kualitas singkong adalah Adanya hama dan penyakit tanaman singkong yang sering kali mengakibatkan pertumbuhan umbi terganggu, bahkan dapat menggagalkan terwujudnya produksi yang maksimal. Salah satu cara yang dapat digunakan adalah memanfaatkan teknologi artificial intelligence (AI) yang sedang berkembang untuk dapat mengklasifikasikan penyakit pada singkong dengan mudah. Dirancanglah sebuah sistem yang dapat membantu dalam mengidentifikasi penyakit pada daun singkong menggunakan algoritma CNN dengan arsitektur MobileNet. Hasil akhir dari penelitian ini dengan melakukan pelatihan pada 30 epoch dengan rasio data latih dan data uji 80%:20% memberikan hasil akurasi training sebesar 88% dan testing sebesar 84%.
Downloads
References
E. S. Eriana dan M. D. A. Z. M. S.Kom., ARTIFICIAL INTELLIGENCE (AI), CV. EUREKA MEDIA AKSARA, 2023.
A. J. M. S. K. Selviana Yunita, "Sistem Pakar Deteksi Penyakit Pada Tanaman Singkong Expert System to Detect the Disease of Cassava Plants," Jurnal Ilmiah SISFOTENIKA, vol. 9, no. 1, p. 25, 2019.
D. K. H. R. Hendra Rustantono, "Pelatihan Pemanfaatan Limbah Kulit Singkong Menjadi Keripik," I-Com : Indonesian Community Journal, vol. 2., no. 1, pp. 31-37, 2022.
M. Ir. Roch Widaningsih, OUTLOOK KOMODITAS PERTANIAN TANAMAN PANGAN UBI KAYU, Pusat Data dan Sistem Informasi Pertanian Kementerian Pertanian, 2016.
A. Isnadi, "Aplikasi Diagnosa Hama Dan Penyakit Tanaman Singkong Menggunakan Metode Certainty Factor Berbasis Web," J-INTECH (Journal of Information and Technology), vol. 6, no. 2, pp. 177-180, 2018.
S. R. N. K. C. P. A. E. Nugraha, ""Klasifikasi Penyakit Pada Tanaman Singkong Menggunakan Arsitektur VGGNET Berbasis Deep Learning"," eProceedings of Engineering, vol. 9, no. 6, 2022.
D. H. U. D. Iswantoro, "Klasifikasi Penyakit Tanaman Jagung Menggunakan Metode Convolutional Neural Network (CNN)," Jurnal Ilmiah Universitas Batanghari Jambi, vol. 22, no. 2, pp. 900-905, 2022.
A. N. R. S. Yuliany, "Implementasi Deep Learning pada Sistem Klasifikasi Hama Tanaman Padi Menggunakan Metode Convolutional Neural Network (CNN)," Jurnal Buana Informatika, vol. 13, no. 1, pp. 54-65, 2022.
S. R. d. N. K. C. P. A. E. Nugraha, "Klasifikasi Penyakit Pada Tanaman Singkong Menggunakan Arsitektur VGGNET Berbasis Deep Learning," eProceedings of Engineering, vol. 9, no. 6, 2022.
I. F. d. R. A. P. A. Nugroho, "Implementasi deep learning menggunakan convolutional neural network (CNN) pada ekspresi manusia," Algor, vol. 2, no. 1, pp. 12-20, 2020.
H. H. d. Y. Maulana, "Identification of Types of Wood using Convolutional Neural Network with Mobilenet Architecture," Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 4, no. 1, pp. 70-76, Februari 2020.
A. S. H. A. F. A. T. Rahman, "Klasifikasi Penyakit Daun Apel Menggunakan Arsitektur CNN dengan Transfer Learning," Jurnal SENOPATI: Sustainability, Ergonomics, Optimization, and Application of Industrial Engineering, vol. 6, no. 1, 2024.
N. B. L. J. A. Bacus, "Detection and Identification with Analysis of Carica papaya Leaf Using Android - Scientific Figure".
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Filach Akbar Arafat, Muhammad Nur Ichsan, Muhammad Firmandani Pramoedya
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
