Penerapan Metode Convolutional Neural Network (CNN) Dalam Mengklasifikasikan Penyakit Daun Tanaman Padi
DOI:
https://doi.org/10.32664/j-intech.v11i2.1006Kata Kunci:
klasifikasi, padi, CNN, InceptionV3, EpochAbstrak
Padi merupakan tanaman pokok di Indonesia. Kebanyakan para petani memilih tanaman padi sebagai tanaman utama untuk lahan pertanian. Mulai dari lahan hingga iklim tropis yang terjadi di Indonesia sangat cocok untuk tanaman padi. Diantara dukungan-dukungan tersebut muncul rintangan yang dihadapi para petani. Penyakit tanaman daun padi tersebut antara lain Brownspot, Blas, Penyakit Hawar Daun Bakteri (HDB). Klasifikasi penyakit tersebut dapat dilakukan dengan metode CNN (Convolutional Neural Network). Selama ini proses deteksi pada penyakit daun tanaman padi dengan cara manual. Metode CNN dapat mendeteksi image dari pixel ke pixel sehingga dinilai efektif untuk mendeteksi penyakit hanya dari gambar saja. Penelitian ini menggunakan dataset berjumlah 1630 data yang dibagi menjadi 3 kelas penyakit. Penelitian ini melakukan perbandingan jumlah epoch serta menggunakan arsitektur CNN InceptionV3. Hasil dari penelitian ini menunjukan hasil yang sangat baik di angkat 98% dengan data yang tidak overfitting.
Referensi
Aeni, K. (2018). Penerapan Metode Forward Chaining Pada Sistem Pakar Untuk Diagnosa Hama Dan Penyakit Padi. INTENSIF, 2(1). https://doi.org/10.29407/intensif.v2i1.11841
Alidrus, S. A., Musthafa, A., & Putra, O. V. (2021). Deteksi Penyakit Pada Daun Tanaman Padi Menggunakan Metode Convolutional Neural Network. SENAMIKA.
Bari, B. S., Islam, M. N., Rashid, M., Hasan, M. J., Razman, M. A. M., Musa, R. M., Nasir, A. F. A., & Majeed, A. P. P. A. (2021). A real-time approach of diagnosing rice leaf disease using deep learning-based faster R-CNN framework. PeerJ Computer Science, 7. https://doi.org/10.7717/PEERJ-CS.432
Bhatt, P., Sarangi, S., Shivhare, A., Singh, D., & Pappula, S. (2019). Identification of diseases in corn leaves using convolutional neural networks and boosting. ICPRAM 2019 - Proceedings of the 8th International Conference on Pattern Recognition Applications and Methods. https://doi.org/10.5220/0007687608940899
Hidayat, A., Darusalam, U., & Irmawati, I. (2019). Detection Of Disease On Corn Plants Using Convolutional Neural Network Methods. Jurnal Ilmu Komputer Dan Informasi, 12(1). https://doi.org/10.21609/jiki.v12i1.695
Ilahiyah, S., & Nilogiri, A. (2018). Implementasi Deep Learning Pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural Network. JUSTINDO (Jurnal Sistem Dan Teknologi Informasi Indonesia), 3(2).
Islam, A., Islam, R., Haque, S. M. R., Islam, S. M. M., & Khan, M. A. I. (2021). Rice leaf disease recognition using local threshold based segmentation and deep CNN. International Journal of Intelligent Systems & Applications, 13(5).
Jinan, A., & Hayadi, B. H. (2022). Klasifikasi Penyakit Tanaman Padi Mengunakan Metode Convolutional Neural Network Melalui Citra Daun (Multilayer Perceptron). Journal of Computer and Engineering Science, 37–44.
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). https://doi.org/10.20895/dinda.v2i1.341
Priyangka, A. A. J. V., & Kumara, I. M. S. (2021). Classification Of Rice Plant Diseases Using the Convolutional Neural Network Method. Lontar Komputer : Jurnal Ilmiah Teknologi Informasi, 12(2). https://doi.org/10.24843/lkjiti.2021.v12.i02.p06
Rasjava, A. R., Sugiyarto, A. W., Kurniasari, Y., & Ramadhan, S. Y. (2020). Detection of Rice Plants Diseases Using Convolutional Neural Network (CNN). Proceeding International Conference on Science and Engineering, 3. https://doi.org/10.14421/icse.v3.535
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). https://doi.org/10.31294/swabumi.v9i2.11678
Situmorang, W., & Jannah, M. (2020). Implementasi Jaringan Syaraf Tiruan Memprediksi Hasil Panen Padi Pada Desa Pagar Jati Dengan Metode Backpropagation. Jurnal Ilmu Komputer Dan Sistem Informasi (JIKOMSI), 3(1.1), 167–175.
Sudadi, S., Sumarno, S., & Handi, W. (2015). Pengaruh Pupuk Organik Berbasis Azolla, Fosfat Alam dan Abu Sekam terhadap Hasil Padi dan Sifat Kimia Tanah Alfisol. Sains Tanah-Journal of Soil Science and Agroclimatology, 11(2), 77–84.
Yuliany, S., & Rachman, A. N. (2022). Implementasi Deep Learning pada Sistem Klasifikasi Hama Tanaman Padi Menggunakan Metode Convolutional Neural Network (CNN). Jurnal Buana Informatika, 13(1), 54–65.
