Deteksi Penyakit Tomat melalui Citra Daun menggunakan Metode Convolutional Neural Network
Submitted : 2022-12-05, Published : 2023-02-02.
Abstract
Tomat merupakan tanaman hortikultura yang memiliki nilai ekonomi tinggi dan banyak ditanam oleh masyarakat Indonesia sebagai negara agraris. Menurut data BPS tahun 2019, produktivitas tomat mengalami peningkatan dalam empat tahun terakhir, namun dalam proses perawatan tanaman sering terjadi kendala dalam mengidentifikasi jenis penyakit yang terdapat pada daun tanaman tomat karena memiliki gejala yang hampir mirip dan sulit dibedakan. Penelitian ini mencoba mengidentifikasi penyakit pada tanaman tomat melalui citra daun menggunakan Deep learning dengan metode Convolutional neural network. Penerapan model deteksi menggunakan dua jenis arsitektur Convolutional neural network yaitu standar LeNet-5 dan LeNet-5 (Custom) yang telah dimodifikasi. LeNet-5 standar berhasil mendeteksi penyakit pada daun tomat dengan akurasi 90%, sedangkan pada arsitektur LeNet-5 yang telah dimodifikasi pada network layerdan parameteryang digunakan, menghasilkan akurasi yang lebih optimal dengan akurasi sebesar 95%.
Keywords
Full Text:
PDFReferences
D. Laily, “Deteksi Penyakit Pada Daun Tembakau dengan Menerapkan Algoritma Artificial Neural Network.” Simetris Journal Teknik Industri, Mesin, Elektro dan Ilmu Komputer, vol. 3, no. 1, 2013. https://doi.org/10.24176/simet.v3i1.88
I. Goodfellow, Y. Bengio, and A. Courville, "Deep Learning (Adaptive Competition and Machine Learning)", The MIT Press, 2016.
Simonyan, Karen, and A. Zisserman. "Very deep convolutional networks for large-scale image recognition.", arXiv preprint arXiv:1409.1556, 2014. https://doi.org/10.48550/arXiv.1409.1556
M. S. Wibawa, “Pengaruh Fungsi Aktivasi, Optimisasi dan Jumlah Epoch Terhadap Performa Jaringan Saraf Tiruan.”, Jurnal Sistem dan Informatika (JSI), vol. 11, no. 2, hal. 167-174, May 2017. https://jsi.stikom-bali.ac.id/index.php/jsi/article/view/129
Ruder, Sebastian. "An overview of gradient descent optimization algorithms." arXiv preprint arXiv:1609.04747, 2016. https://doi.org/10.48550/arXiv.1609.04747
Hinton, Geoffrey E. "A practical guide to training restricted Boltzmann machines." In Neural networks: Tricks of the trade, hal. 599-619. Springer, Berlin, Heidelberg, 2012.
Rahmadewi, Reni. "Identifikasi Jenis Tumbuhan Menggunakan Citra Daun Berbasis Jaringan Saraf Tiruan (Artificial Neural Networks).", Media Elektro Journal, vol.7, no.2, hal. 38-43, 2018. https://doi.org/10.35508/jme.v0i0.427
Rosiani, Ulla Delfana, Cahya Rahmad, Marcelina Alifia Rahmawati, and Frangky Tupamahu. "Segmentasi berbasis k-means pada deteksi citra penyakit daun tanaman jagung.", Jurnal Informatika Polinema, vol. 6, no. 3, pp. 37-42, 2020. https://doi.org/10.33795/jip.v6i3.331
Putri, Anglita Wigina. "Implementasi Artificial Neural Network (ANN) Backpropagation Untuk Klasifikasi Jenis Penyakit Pada Daun Tanaman Tomat.", MATHunesa: Jurnal Ilmiah Matematika, vol. 9, no. 2, hal. 344-350, 2021. https://doi.org/10.26740/mathunesa.v9n2.p344-350
Sitohang, Beriman, and Anita Sindar. "Analisis Dan Perbandingan Metode Sobel Edge Detection Dan Prewit Pada Deteksi Tepi Citra Daun Srilangka.", Jurnal Nasional Komputasi dan Teknologi Informasi, vol. 3, no. 3, hal. 314-322, 2020.
Solomon, Chris, and Toby Breckon. “Fundamentals of Digital Image Processing: A practical approach with examples in Matlab”, John Wiley & Sons, 2011.
Goodfellow, Ian, Yoshua Bengio, and Aaron Courville. “Deep learning”, MIT press, 2016.
Alviansyah, Fahri, I. Ruslianto, and M. Diponegoro. "Identifikasi Penyakit Pada Tanaman Tomat Berdasarkan Warna Dan Bentuk Daun Dengan Metode Naive Bayes Classifier Berbasis Web.", Coding Jurnal Komputer dan Aplikasi, vol. 5, no. 1, hal. 23-32, 2017.
Albawi, Saad, Tareq Abed Mohammed, and Saad Al-Zawi. "Understanding of a convolutional neural network." In 2017 International conference on engineering and technology (ICET), hal. 1-6. IEEE, 2017. https://doi.org/10.1109/ICEngTechnol.2017.8308186
Wahid, M. Islahfari, S.A. Mustamin, and A. Lawi. "Identifikasi Dan Klasifikasi Citra Penyakit Daun Tomat Menggunakan Arsitektur Inception V4.", Proceeding KONIK (Konferensi Nasional Ilmu Komputer), vol. 5, hal. 257-264, 2021.
Article Metrics
Abstract view: 1557 times
Download : 897 times
This work is licensed under a Creative Commons Attribution 4.0 International License.
Refbacks
- There are currently no refbacks.
