Penerapan Metode Convolutional Neural Network Untuk Mendeteksi Jamur Patogen pada Tanaman Cabai
DOI:
https://doi.org/10.29407/ns517956Keywords:
Cabai, CNN, Jamur, Pengolahan Citra, Real-timeAbstract
Produktivitas tanaman cabai seringkali menurun akibat serangan jamur patogen, seperti Cercospora sp., Antraknosa sp., Fusarium sp., dan Botrytis sp. Proses identifikasi jamur secara manual memerlukan waktu yang lama dan tenaga ahli, sehingga rentan terhadap kesalahan manusia. Penelitian ini mengembangkan sistem deteksi real-time berbasis Convolutional Neural Network (CNN) yang memanfaatkan teknik pengolahan citra digital untuk mengidentifikasi jenis jamur patogen pada tanaman cabai. Sistem dibangun menggunakan Python dan menyimpan data pada database SQLite, memungkinkan pengguna mengunggah citra tanaman melalui antarmuka desktip. Dataset yang digunakan mencakup lima kategori, yaitu sehat, Cercospora sp., Antraknosa sp., Fusarium sp., dan Botrytis sp. Uji kinerja sistem dilakukan menggunakan metrik akurasi, presisi, dan recall, menunjukkan akurasi keseluruhan sebesar 80%. Nilai F1 Score tertinggi dicapai oleh jamur Antraknosa sp., Fusarium sp., dan Botrytis sp. sebesar 0.91, menandakan performa pengenalan yang memuaskan. Hasil penelitian mengindikasikan bahwa sistem ini dapat membantu petani atau pengelola kebun cabai dalam melakukan identifikasi dini serangan jamur patogen, mempermudah pemantauan kondisi tanaman, serta meminimalkan kesalahan manusia. Penelitian lebih lanjut diharapkan dapat mencakup pemanfaatan transfer learning atau integrasi data lingkungan agar deteksi dapat dilakukan secara lebih cepat.
Downloads
References
N. Inaya, S. Meriem, dan M. Masriany, “Identifikasi morfologi penyakit tanaman cabai (Capsicum sp.) yang disebabkan oleh patogen dan serangan hama lingkup kampus UIN Alauddin Makassar,” Filogeni: Jurnal Mahasiswa Biologi, vol. 2, no. 1, hlm. 8–14, Apr 2022, doi: 10.24252/filogeni.v2i1.27092.
N. Wakhidah, K. Kasrina, dan H. Bustamam, “Keanekaragaman Jamur Patogen pada Tanaman Cabai Merah (Capsicum Annuum L.) di Dataran Rendah,” Konservasi Hayati, vol. 17, no. 2, hlm. 63–68, Okt 2021, doi: 10.33369/hayati.v17i2.17920.
L. Fadhilah dan W. Hadikurniawati, “Deteksi Jenis Buah Mangga Menggunakan Metode CNN (Convolutional Neural Network) Berbasis Android Secara Real-Time,” INTECOMS: Journal of Information Technology and Computer Science, vol. 7, no. 4, hlm. 1366–1372, Jul 2024, doi: 10.31539/intecoms.v7i4.10029.
D. Irfansyah, M. Mustikasari, dan A. Suroso, “Arsitektur Convolutional Neural Network (CNN) Alexnet Untuk Klasifikasi Hama Pada Citra Daun Tanaman Kopi,” Jurnal Informatika: Jurnal Pengembangan IT, vol. 6, no. 2, hlm. 87–92, Mei 2021, doi: 10.30591/jpit.v6i2.2802.
S. Sheila, I. Permata Sari, A. Bagas Saputra, M. Kharil Anwar, dan F. Restu Pujianto, “Deteksi Penyakit Pada Daun Padi Berbasis Pengolahan Citra Menggunakan Metode Convolutional Neural Network (CNN),” MULTINETICS, vol. 9, no. 1, hlm. 27–34, Apr 2023, doi: 10.32722/multinetics.v9i1.5255.
S. Pancono, N. Indroasyoko, dan Asep Irfan Setiawan, “Pemantauan dan Deteksi Penyakit Daun Tomat Berbasis IoT dan CNN dengan Aplikasi Android,” Indonesian Journal of Computer Science, vol. 13, no. 3, Jun 2024, doi: 10.33022/ijcs.v13i3.4083.
K. M. Vamsi, P. Lokesh, K. N. Reddy, dan P. Swetha, “Visualization of Real World Enterprise Data using Python Django Framework,” IOP Conf Ser Mater Sci Eng, vol. 1042, no. 1, hlm. 012019, Jan 2021, doi: 10.1088/1757-899X/1042/1/012019.
M. F. Firdaus, Y. P. Iswoyo, dan Y. N. Ahmadi, “Klasifikasi Tanaman Anggrek Menggunakan Metode CNN Berbasis Web Django,” STAINS:Seminar Nasional Teknologi Dan Sains, vol. 3, no. 1, hlm. 394–403, Jan 2024.
M. R. B. Ulum, B. Rahmat, dan M. H. P. Swari, “Implementasi Metode CNN Dan K-Nearest Neighbor Untuk Klasifikasi Tingkat Kematangan Tanaman Cabai Rawit,” Modem : Jurnal Informatika dan Sains Teknologi., vol. 2, no. 3, hlm. 112–123, Jul 2024, doi: 10.62951/modem.v2i3.131.
Devitha Ratu Alamsyach dan Yovi Litanianda, “Klasifikasi Jenis Jamur Edible Menggunakan Convolutional Neural Network: Studi Kasus pada Jamur Tiram, Enoki, dan Truffle,” Neptunus: Jurnal Ilmu Komputer Dan Teknologi Informasi, vol. 2, no. 3, hlm. 52–59, Jun 2024, doi: 10.61132/neptunus.v2i3.183.
A. T. R. Dzaky dan W. F. Al Maki, “Deteksi Penyakit Tanaman Cabai Menggunakan Metode Convolutional Neural Network,” eProceedings of Engineering, vol. 8, no. 2, hlm. 3039–3055, Apr 2021.
M. Huenerfaut, G. van Rossum, dan R. P. Muller, Introduction to Python, 1 ed., vol. 1. Cambridge: Havard University, 2023. Diakses: 11 November 2023. [Daring]. Tersedia pada: http://tdc-www.harvard.edu/Python.pdf
K. P. Gaffney, M. Prammer, L. Brasfield, D. R. Hipp, D. Kennedy, dan J. M. Patel, “SQLite,” Proceedings of the VLDB Endowment, vol. 15, no. 12, hlm. 3535–3547, Agu 2022, doi: 10.14778/3554821.3554842.
E. Hermawan, “Klasifikasi Pengenalan Wajah Menggunakan Masker atau Tidak Dengan Mengimplementasikan Metode CNN (Convolutional Neural Network),” Jurnal Industri Kreatif dan Informatika Seris (JIKIS), vol. 1, no. 1, hlm. 33–43, Apr 2021.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Rifqi Prastya, Intan Nur Farida, Rina Firliana
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
