Deteksi Penyakit Pembibitan Pada Tanaman Durian Berdasarkan Citra Menggunakan Convolutional Neural Network
DOI:
https://doi.org/10.58776/jriti.v1i1.63Kata Kunci:
CNN, plant nursery, detection, disease,, quality and priceAbstrak
The cultivation of durian plants in Indonesia has a high economic value, various variants make it very attractive to many people. However, limited knowledge about the disease is the reason for the low quality and price in the market. Therefore a detection system is needed that can classify the characteristics and forms of several diseases. This research is to make it easier for farmers to treat them. Using the Convolutional Neural Network (CNN) method which includes supervised learning so that it can be carried out for classification of affected parts of the durian plant and a data approach that has been trained and is variable. The purpose of this study was to determine the types of diseases found in durian plants. The results of tests that have been carried out with a classification accuracy level using CNN of 0.9233 with a repetition of 200 epochs from the process carried out get results in the form of pictures and descriptions of the types of diseases so that they can help improve quality and price.
Referensi
H. Triwidodo, S. Wiyono, and P. B. Ayuwati, “Teknik Pembibitan dan Organisme Pengganggu Bibit Durian Menoreh Kuning di Kecamatan Kalibawang, Kulon Progo,” Agrovigor: Jurnal Agroekoteknologi, vol. 13, no. 1, pp. 43–50, Mar. 2020, doi: 10.21107/agrovigor.v13i1.6061.
H. Triwidodo and M. H. Tanjung, “Hama Penyakit Utama Tanaman Bawang Merah (Allium Ascalonicum) dan Tindakan Pengendalian di Brebes, Jawa Tengah,” Agrovigor: Jurnal Agroekoteknologi, vol. 13, no. 2, pp. 149–154, Sep. 2020, doi: 10.21107/agrovigor.v13i2.7131.
D. Dahang et al., “PENGENDALIAN PENYAKIT GANODERMA PADA KELAPA SAWIT DENGAN MENGGUNAKAN JAMUR ENDOFITIK HENDERSONIA,” vol. 5, no. 2, pp. 548–559, 2021, doi: 10.31764/jmm.v5i2.4090.
P. Purwadi and A. H. Nasyuha, “Implementasi Teorema Bayes Untuk Diagnosa Penyakit Hawar Daun Bakteri (Kresek) Dan Penyakit Blas Tanaman Padi,” JURIKOM (Jurnal Riset Komputer), vol. 9, no. 4, p. 777, Aug. 2022, doi: 10.30865/jurikom.v9i4.4350.
E. H. Rachmawanto and H. P. Hadi, “OPTIMASI EKSTRAKSI FITUR PADA KNN DALAM KLASIFIKASI PENYAKIT DAUN JAGUNG,” vol. 22, no. 2, p. 2021.
E. Suryaningsih et al., “PESTISIDA BOTANI UNTUK MENGENDALIKAN HAMA DAN PENYAKIT PADA TANAMAN SAYURAN,” 2004. [Online]. Available: www.balitsa.or.id.
R. Meliyana, R. Wardana, and M. Syarief, “Efikasi Ekstrak Daun Kemangi (Ocimum basilicum) Terhadap Penyakit Bercak Daun (Cercospora arachidicola) Pada Tanaman Kacang Tanah,” Agriprima : Journal of Applied Agricultural Sciences, vol. 3, no. 1, pp. 30–35, Mar. 2019, doi: 10.25047/agriprima.v3i1.143.
D. Kecamatan et al., “Kampanye Pengembalian Bahan Organik Tanah Untuk Mengatasi Permasalahan Hama Penyakit Tanaman Durian for Returning Soil Organic Matter to Solve Durian Pest Problems at District of Doro, Pekalongan Regency),” 2019.
E. Oktafanda, “Klasifikasi Citra Kualitas Bibit dalam Meningkatkan Produksi Kelapa Sawit Menggunakan Metode Convolutional Neural Network (CNN),” Jurnal Informatika Ekonomi Bisnis, pp. 72–77, Aug. 2022, doi: 10.37034/infeb.v4i3.143.
M. Farid Naufal et al., “Klasifikasi Citra Game Batu Kertas Gunting Menggunakan Convolutional Neural Network Image Classification of Rock Paper Scissor Game Using Convolutional Neural Network.”
D. Hidayat, “KLASIFIKASI JENIS MANGGA BERDASARKAN BENTUK DAN TEKSTUR DAUN MENGGUNAKAN METODE CONVOLUTIO NALNEURAL NETWORK(CNN) CLASSIFICATION OF TYPES OF MANGO BASED ON LEAVE SHAPE AND TEXTURE USING CONVOLUTIO NALNEURAL NETWORK(CNN) METHOD,” Journal of Information Technology and Computer Science (INTECOMS), vol. 5, no. 1, 2022.
R. Adenia, A. E. Minarno, and Y. Azhar, “Implementasi Convolutional Neural Network Untuk Ekstraksi Fitur Citra Daun Dalam Kasus Deteksi Penyakit Pada Tanaman Mangga Menggunakan Random Forest,” REPOSITOR, vol. 4, no. 4, pp. 473–482, 2022.
D. Irfansyah et al., “Arsitektur Convolutional Neural Network (CNN) Alexnet Untuk Klasifikasi Hama Pada Citra Daun Tanaman Kopi,” vol. 6, no. 2, 2021, [Online]. Available: https://data.mendeley.com/datasets/c5yvn32dzg/2.
S. Muhammad and A. T. Wibowo, “KLASIFIKASI TANAMAN AGLAONEMA BERDASARKAN CITRA DAUN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN).”
D. Iswantoro and D. Handayani UN, “Klasifikasi Penyakit Tanaman Jagung Menggunakan Metode Convolutional Neural Network (CNN),” Jurnal Ilmiah Universitas Batanghari Jambi, vol. 22, no. 2, p. 900, Jul. 2022, doi: 10.33087/jiubj.v22i2.2065.
A. Purnamawati, W. Nugroho, D. Putri, and W. F. Hidayat, “InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Attribution-NonCommercial 4.0 International. Some rights reserved Deteksi Penyakit Daun pada Tanaman Padi Menggunakan Algoritma Decision Tree, Random Forest, Naïve Bayes, SVM dan KNN,” vol. 5, no. 1, 2020, doi: 10.30743/infotekjar.v5i1.2934.
M. Arifin and W. Eka Yulia Retnani, “Arifin et al., Penerapan Metode Certainty Factor Untuk Sistem Pakar Diagnosis Hama Penerapan Metode Certainty Factor Untuk Sistem Pakar Diagnosis Hama Dan Penyakit Pada Tanaman Tembakau (Application Of Certainty Factor Method For Expert System Diagnosis Of Pests And Diseases On Tobacco).”
I. A. Silvi, E. Sudrajat, and A. Syauqi, “Sistem Pakar Diagnosis Hama Dan Penyakit Pada Pohon Buah Durian Montong Menggunakan Metode Forward Chaining Dengan Php Native,” 2020. [Online]. Available: http://journal.peradaban.ac.id/index.php/jsitp
I. Yafi et al., “Mendiagnosa Penyakit Pada Tanaman Buah Durian Menggunakan Metode Dempster Shafer,” 2020. [Online]. Available: https://ojs.trigunadharma.ac.id/
L. Ratnawati and D. Sulistyaningrum Ratna, “Penerapan Random Forest untuk Mengukur Tingkat Keparahan Penyakit pada Daun Apel,” 2019.
B. B. Suherman, “SISTEM PAKAR DIAGNOSA PENYAKIT DAN HAMA PADA TANAMAN JAGUNG MENGGUNAKAN METODE NAIVE BAYES,” Jurnal Informatika dan Rekayasa Perangkat Lunak (JATIKA), vol. 2, no. 3, pp. 390–398, 2021, [Online]. Available: http://jim.teknokrat.ac.id/index.php/informatika
S. Faisal, T. F. M Butarbutar, P. Sirait, and J. SIFO Mikroskil, “Implementasi CNN dan SVM untuk Identifikasi Penyakit Tomat via Daun,” OKTOBER 2019 IJCCS, vol. 20, pp. 1–5.
E. Rasywir, R. Sinaga, Y. Pratama, U. Dinamika, and B. Jambi, “Analisis dan Implementasi Diagnosis Penyakit Sawit dengan Metode Convolutional Neural Network (CNN),” vol. 22, no. 2, 2020, doi: 10.31294/p.v21i2.
A. Bagas Prakosa and dan Radius Tanone, “IMPLEMENTASI MODEL DEEP LEARNING CONVOLUTIONAL NEURAL NETWORK (CNN) PADA CITRA PENYAKIT DAUN JAGUNG UNTUK KLASIFIKASI PENYAKIT TANAMAN,” 2023. [Online]. Available: https://www.kaggle.com/datasets/n
S. Sheila, M. Kharil Anwar, A. B. Saputra, R. Pujianto, and I. P. Sari, “Deteksi Penyakit pada Daun Padi Berbasis Pengolahan Citra Menggunakan Metode Convolutional Neural Network (CNN).” [Online]. Available: https://www.kaggle.com/datasets/tedisetiady/leaf-
A. Fatchurrachman and D. Udjulawa, “Identifikasi Penyakit Pada Tanaman Kopi Berdasarkan Citra Daun Menggunakan Metode Convolution Neural Network,” Jurnal Algoritme, vol. 3, no. 2, doi: 10.35957/algoritme.xxxx.
A. Purnamawati, W. Nugroho, D. Putri, and W. F. Hidayat, “InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Attribution-NonCommercial 4.0 International. Some rights reserved Deteksi Penyakit Daun pada Tanaman Padi Menggunakan Algoritma Decision Tree, Random Forest, Naïve Bayes, SVM dan KNN,” vol. 5, no. 1, 2020, doi: 10.30743/infotekjar.v5i1.2934.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2023 MUH. IQBAL RIZKI NURFIRDAUS, Muhamad Rafi, Bayu Seno Adjie
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
