Sistem Deteksi Penyakit Pada Tanaman Bawang Merah Menggunakan Convolutional Neural Network dengan Arsitektur MobileNet
DOI:
https://doi.org/10.29407/y1mr3462Keywords:
Bawang merah, CNN, Deteksi penyakit, MobileNet, PertanianAbstract
Budidaya bawang merah di Indonesia sering menghadapi kendala serangan penyakit yang dapat menurunkan hasil panen dan merugikan petani. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem deteksi penyakit bawang merah yang efisien dan praktis menggunakan teknologi Convolutional Neural Network (CNN) dengan arsitektur MobileNet. Metode yang digunakan meliputi pengumpulan data gambar pada bawang merah yang dikategorikan menjadi empat kelas yaitu bawang merah normal, terserang ulat bulu, jamur daun, dan busuk pangkal. Data tersebut diolah dengan teknik augmentasi untuk menambah keragaman dataset. Model CNN dilatih dan dievaluasi untuk mengukur akurasi dan waktu inferensi. Hasil penelitian menunjukkan bahwa sistem ini mampu mencapai akurasi 90,63% dengan loss uji 0,1874. Temuan ini menunjukkan bahwa aplikasi berbasis Android yang dikembangkan dapat menjadi alat yang berguna bagi petani dalam mendeteksi penyakit dengan cepat dan akurat. Dengan demikian, penelitian ini berkontribusi terhadap peningkatan produktivitas dan efisiensi pengelolaan tanaman bawang merah di Indonesia, serta mendorong adopsi teknologi modern di sektor pertanian.
Downloads
References
Aldo, Dasril. "Sistem pakar diagnosis hama dan penyakit bawang merah menggunakan metode Dempster Shafer." Komputika: Jurnal Sistem Komputer 9.2 (2020): 85-93.
Jasri, Moh. "Diagnosis hama dan penyakit tanaman bawang merah menggunakan sistem pakar." Journal Of Information System, Graphics, Hospitality And Technology 1.01 (2019): 15-19.
Rosi, Mohammad Fathor, and Bakhtiyar Hadi Prakoso. "Sistem Pakar Diagnosa Penyakit Tanaman Bawang Merah Menggunakan Metode Certainty Factor." BIOS: Jurnal Teknologi Informasi Dan Rekayasa Komputer 1.1 (2020): 20-27.
Kresnawan, Michael Ilham, Danar Putra Pamungkas, and Umi Mahdiyah. "Identifikasi Penyakit Tanaman Bawang Merah Menggunakan Faster R-CNN dan Arsitektur ResNet50." Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi). Vol. 8. No. 1. 2024.
Manalu, Darwis Robinson, Jeremia Sebayang, and Harlen Gilbert Manullang. "Klasifikasi Penyakit Bawang Merah Melalui Citra Daun Dengan Metode K-Means." METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi 7.1 (2023): 150-157.
Aldo, Dasril. "Sistem pakar diagnosis hama dan penyakit bawang merah menggunakan metode Dempster Shafer." Komputika: Jurnal Sistem Komputer 9.2 (2020): 85-93.
Lianardo, Alex, Syamsul Rizal, and Nor Kumalasari Caesar Pratiwi. "Klasifikasi Gejala Penyakit Daun pada Tanaman Singkong Berbasis Vision Menggunakan Metode CNN dengan Arsitektur Mobilenet." eProceedings of Engineering 9.6 (2023).
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Hadi Rizky Dwi Via Prahesta
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
