KLASIFIKASI PENYAKIT TANAMAN PADI MENGGUNAKAN ALGORITMA CNN (CONVOLUTIONAL NEURAL NETWORK)
##plugins.themes.academic_pro.article.main##
Abstract
Algoritma CNN menunjukkan keunggulan dalam berbagai penerapan di dunia nyata. Penelitian ini bertujuan untuk membantu dan mengedukasi petani dalam mengklasifikasi penyakit padi dan mengurangi risiko kegagalan panen akibat penyakit daun tanaman padi. Adapun jenis daun padi pada penelitian ini: Brown Spot, Hawar, Leaf Brown, dan Daun Sehat. Studi Literatur, Pengumpulan Dataset, Prepocessing Data, Mengolah Data. Penelitian ini didapatkan dari data training, testing, dan validation. Adapun layer konvolusi (Conv2D), layer pooling (MaxPooling2D), layer flatten (flatten), serta layer dense (Dense) untuk klasifikasi penyakit daun padi menggunakan Convolutional Neural Network. Dalam proses data training dilakukan epoch sebanyak 10 epoch, proses ini akan berhenti saat sudah memenuhi kondisi tersebut. Dari hasil penelitian ini dapat disimpulkan bahwa metode Deep Learning CNN dapat diimplementasikan untuk identifikasi citra daun padi yang berpenyakit. Nilai tertinggi dari akurasi data training mencapai nilai 85%, untuk data testing 86%, dan untuk data validation mencapai nilai 95%. Sehingga untuk identifikasi citra penyakit daun padi cukup baik
##plugins.themes.academic_pro.article.details##
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Pemberitahuan Hak Cipta
Usulan kebijakan untuk jurnal yang menawarkan akses terbuka Syarat yang dibutuhkan penulis adalah sebagai berikut:
1. Penulis memegang hak cipta dan memberikan jurnal hak penerbitan pertama secara bersamaan di bawah lisensi di bawah Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0), yang mengizinkan orang lain untuk menyalin dan mendistribusikan ulang materi ini dalam bentuk atau format apa pun termasuk menyusun, memodifikasi, dan membuat turunan materi ini untuk tujuan apa pun, termasuk tujuan komersial.
2. Penulis dapat membuat pengaturan kontrak terpisah untuk distribusi non-eksklusif dari versi dekaden publikasi jurnal (misalnya mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan mengakui publikasi aslinya di jurnal ini.
3. Penulis diizinkan dan didorong untuk memposting artikel secara online (misalnya di repositori institusional atau di situs web mereka) seperti pada Garuda, Academia, researchgate atau repository lainnya sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif dan kutipan artikel yang diterbitkan lebih awal dan lebih maju (periksa: Efek Akses Terbuka)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
Arifin, T., & Herliana, A. (2020). Optimizing decision tree using particle swarm optimization to identify eye diseases based on texture analysis. Jurnal Teknologi Dan Sistem Komputer, 8(1), 59–63. https://doi.org/10.14710/jtsiskom.8.1.2020.59-63
Harini, R., Ariani, R. D., Supriyati, S., & Satriagasa, M. C. (2019). Analisis Luas Lahan Pertanian Terhadap Produksi Padi Di Kalimantan Utara. Jurnal Kawistara, 9(1), 15. https://doi.org/10.22146/kawistara.38755
Harun, S. A. M., Pradhipta, M. I., & Achmad, U. (2019). Perubahan Sosial Masyarakat Akibat Penurunan Kualitas Padi Di Desa Wonojati Kecamatan Jenggawah Kabupaten Jember. SOCA: Jurnal Sosial, Ekonomi Pertanian, 13(1), 38. https://doi.org/10.24843/soca.2019.v13.i01.p04
Khoiruddin, M., Junaidi, A., & Saputra, W. A. (2022). Klasifikasi Penyakit Daun Padi Menggunakan Convolutional Neural Network. Journal of Dinda : Data Science, Information Technology, and Data Analytics, 2(1), 37–45. https://doi.org/10.20895/dinda.v2i1.341
Mudzakir, I., & Arifin, T. (2022). Klasifikasi Penggunaan Masker dengan Convolutional Neural Network Menggunakan Arsitektur MobileNetv2. EXPERT: Jurnal Manajemen Sistem Informasi Dan Teknologi, 12(1), 76. https://doi.org/10.36448/expert.v12i1.2466
Oktaviana, U. N., Hendrawan, R., Annas, A. D. K., & Wicaksono, G. W. (2021). Klasifikasi Penyakit Padi berdasarkan Citra Daun Menggunakan Model Terlatih Resnet101. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 5(6), 1216–1222. https://doi.org/10.29207/resti.v5i6.3607
Saputra, R. A., Wasiyanti, S., Supriyatna, A., & Saefudin, D. F. (2021). Penerapan Algoritma Convolutional Neural Network Dan Arsitektur MobileNet Pada Aplikasi Deteksi Penyakit Daun Padi. Swabumi, 9(2), 184–188. https://doi.org/10.31294/swabumi.v9i2.11678
Sudana, W. (2017). Potensi Dan Prospek Lahan Rawa Sebagai Sumber Produksi Pertanian. Potensi Dan Prospek Lahan Rawa Sebagai Sumber Produksi Pertanian, 3(2), 141–151.
Zhou, G., Zhang, W., Chen, A., He, M., & Ma, X. (2019). Rapid Detection of Rice Disease Based on FCM-KM and Faster R-CNN Fusion. IEEE Access, 7, 143190–143206. https://doi.org/10.1109/ACCESS.2019.2943454