Klasifikasi Penyakit pada Citra Daun Melon Menggunakan Algoritma Convolution Neural Network

Authors

  • mochammad sholikhin sekolah tinggi teknik surabaya
  • Reddy Alexandro H. Magister Teknologi Informasi , S2 Teknologi Informasi,iSTTS

DOI:

https://doi.org/10.30736/jti.v7i1.735

Keywords:

melon, klasifikasi, convolution neural network

Abstract

ABSTRAKS Melon merupakan salah satu komoditas hortikultura yang patut mendapat perhatian karena nilai ekonomisnya yang tinggi, serta aromanya yang enak dan khas disukai masyarakat. Sebagian besar petani melon di lamongan tidak mengetahui dengan pasti penyakit yang menjangkit pada tanamanya khususnya pada daun melon. Penyakit pada daun melon ada beberaopa macam dan disebabkan oleh beberapa faktor. Ada faktor hama yang bias disebabkan oleh kutu, lalat dan mikro organisme yang lain. Algoritma CNN diimplementasikan untuk melakukan klasifikasi semantik dengan memberikan label semantik dari objek jenis tanaman. pengenalan citra digital dengan Computer Vision bisa melakukan Analisa pada gambar dan menghasilkan data output yang diinginkan. Dengan begitu, Klasifikasi Pada Penyakit Daun Melon diharapkan bisa diwujudkan dengan Computer Vision. Hasil uji coba klasifikasi menggunakan algoritma Convolution Neural Network bisa mengklasifikasina Penyakit daun melon yaitu daun melon sehat, daun melon Embun bulu, daun melon Embun Tepung, daun melon virus gemini dan bukan daun melon. Yang memiliki tingkat keberhasilan ketepatan mengklasifikasi 90% pada aplikasi smartphone sedangkan pada aplikasi komputer didapatkan 89 %.

Downloads

Download data is not yet available.

References

Albawi, Azeddine Elhassouny, “Smart mobile application to recognize tomato leaf diseases using Convolutional Neural Networks,†Proc. 2019 3rd Int. Conf. Inf. Tech

USDA, “Leaf Disease Detection and Grading using Computer Vision Technology &Fuzzy Logic,†U.S. Department of Agriculturre, 2019.

Lung Diseases Using a Deep Convolutional Neural Network,â€https://ieeexplore.ieee.org/document/7422082.

R. D. Novyantika, “Simple Convolutional Neural Network Concept,†2018.

http://rizkynovyantika.com/post/simple-convolutional-neural-networkconcept/. [Diakses: 17-Mar-2019].

Chowdhury R. Rahman c,*, Preetom S. Arko a, Mohammed E. Ali a, Mohammad A. Iqbal Khan b, Sajid H. Apon a, Farzana Nowrin b, Abu Wasif , “Identification and recognition of rice diseases and pests using convolutional neural networksâ€.2020.Sumber: www.elsevier.com/locate/issn/15375110

Surmila Dewi, SP., “Hama Dan Penyakit Tanaman Melon (Curcumis Melo. L) Serta Pengendalian Yang Dilakukan,†2019 http://cybex.pertanian.go.id/mobile/artikel/71403/HAMA-DAN-PENYAKITTANAMAN-MELON-Curcumis-melo-L-SERTA-PENGENDALIAN-YANGDILAKUKAN/

Redmon, J., & Farhadi, A. (2017). YOLO9000: better, faster, stronger. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 7263–7271.

PlumX Metrics

Published

2022-02-11

How to Cite

sholikhin, mochammad, & Alexandro H., R. (2022). Klasifikasi Penyakit pada Citra Daun Melon Menggunakan Algoritma Convolution Neural Network. Joutica, 7(1), 525–530. https://doi.org/10.30736/jti.v7i1.735

Issue

Section

Jouticla Jurnal Teknik Informatika

Most read articles by the same author(s)