Klasifikasi Penyakit Daun Jagung Menggunakan Metode Convolutional Neural Network AlexNet
Abstract Views: 2376
PDF Downloads: 2997
DOI:
https://doi.org/10.56211/sudo.v2i1.227Keywords:
Penyakit Daun Jagung; Klasifikasi; CNN; Pengolahan Citra
Abstract
Jagung merupakan satu diantara beberapa sumber pangan utama di dunia termasuk di Indonesia. Penyakit pada tumbuhan jagung dapat dilihat melalui daunya. Namun akan menjadi masalah jika petani tidak mudah mendeteksi penyakit yang menyerang tanaman jagung, sehingga tidak mungkin untuk mengidentifikasi tanaman jagung yang sakit dan mengambil langkah untuk mengendalikannya. Masalah penyakit pada tanaman dapat menyebabkan penurunan fotosintesis pada tumbuhan yang menyebabkan usaha para tani menjadi tidak efisien dan mendapat kerugian, oleh karena itu perlu adanya pendekatan digital dapat mendeteksi beragam jenis penyakit. Dataset yang digunakan berjumlah 4198 citra daun jagung yang terdiri dari Blight, Commont Rust, Healthy, dan Gray Leaf Spot. Dengan menggunakan metode Convolutional Neural Network AlexNet dapat mengklasifikasikan dan memiliki hasil yang signifikan. Hasil dari klasifikasi penyakit daun jagung mendapatkan akurasi 90% yang berarti metode yang digunakan berjalan dengan baik dan tepat.
Downloads
References
R. Suhendra, I. Juliwardi, and S. Sanusi, “Identifikasi dan Klasifikasi Penyakit Daun Jagung Menggunakan Support Vector Machine,” J. Teknol. Inf., vol. 1, no. 1, pp. 29–35, 2022, doi: 10.35308/.v1i1.5520. DOI: https://doi.org/10.35308/.v1i1.5520
N. Hidayah, A. N. Istiani, and A. Septiani, “Pemanfaatan jagung (Zea mays) sebagai bahan dasar pembuatan keripik jagung untuk meningkatkan perekonomian masyarakat di desa panca tunggal,” J. Pengabdi. Masy., vol. 1, no. 1, pp. 42–48, 2020, [Online]. Available: http://www.ejournal.radenintan.ac.id/index.php/ajpm/article/view/6181
A. Sapitri et al., “Identifikasi Penyakit Jagung Dengan Menerapkan Metode Gray Level Co- Occurrence Matrix ( GLCM ) Dan Support Vector Machine ( SVM ) Melalui Citra Daun Identification Of Corn Diseases By Applying Gray Level Co-Occurrence Matrix ( GLCM ) And Support Vector M,” vol. 8, no. 6, pp. 2963–2971, 2022.
S. R. Raysyah, Veri Arinal, and Dadang Iskandar Mulyana, “Klasifikasi Tingkat Kematangan Buah Kopi Berdasarkan Deteksi Warna Menggunakan Metode Knn Dan Pca,” JSiI (Jurnal Sist. Informasi), vol. 8, no. 2, pp. 88–95, 2021, doi: 10.30656/jsii.v8i2.3638. DOI: https://doi.org/10.30656/jsii.v8i2.3638
E. Rasywir, R. Sinaga, and Y. Pratama, “Analisis dan Implementasi Diagnosis Penyakit Sawit dengan Metode Convolutional Neural Network (CNN),” Paradig. - J. Komput. dan Inform., vol. 22, no. 2, pp. 117–123, 2020, doi: 10.31294/p.v22i2.8907. DOI: https://doi.org/10.31294/p.v22i2.8907
M. Wafa Akhyari, A. Suyoto, and F. Wahyu Wibowo, “Klasifikasi Penyakit Pada Daun Jagung Menggunakan Convolutional Neural Network,” J. Inf. J. Penelit. dan Pengabdi. Masyarakat., vol. 7, no. 2, pp. 12–15, 2021, [Online]. Available: https://github.com.
I. P. Putra, R. Rusbandi, and D. Alamsyah, “Klasifikasi Penyakit Daun Jagung Menggunakan Metode Convolutional Neural Network,” J. Algoritm., vol. 2, no. 2, pp. 102–112, 2022, doi: 10.35957/algoritme.v2i2.2360. DOI: https://doi.org/10.35957/algoritme.v2i2.2360
M. R. D. Septian, A. A. A. Paliwang, M. Cahyanti, and E. R. Swedia, “Penyakit Tanaman Apel Dari Citra Daun Dengan Convolutional Neural Network,” Sebatik, vol. 24, no. 2, pp. 207–212, 2020, doi: 10.46984/sebatik.v24i2.1060. DOI: https://doi.org/10.46984/sebatik.v24i2.1060
F. H. Hawari, F. Fadillah, M. R. Alviandi, and T. Arifin, “Klasifikasi Penyakit Tanaman Padi Menggunakan Algoritma Cnn (Convolutional Neural Network),” J. Responsif Ris. Sains dan Inform., vol. 4, no. 2, pp. 184–189, 2022, doi: 10.51977/jti.v4i2.856. DOI: https://doi.org/10.51977/jti.v4i2.856
A. Nurmasani and Y. Pristyanto, “Algoritme Stacking Untuk Klasifikasi Penyakit Jantung Pada Dataset Imbalanced Class,” Pseudocode, vol. 8, no. 1, pp. 21–26, 2021, doi: 10.33369/pseudocode.8.1.21-26. DOI: https://doi.org/10.33369/pseudocode.8.1.21-26
K. Amalia, “Klasifikasi Penyakit Tumor Otak Pada Citra Mri Menggunakan Metode CNN Dengan Arsitektur Alexnet,” vol. 8, no. 6, pp. 3247–3254, 2022.
A. Jinan, B. H. Hayadi, and U. P. Utama, “Klasifikasi Penyakit Tanaman Padi Mengunakan Metode Convolutional Neural Network Melalui Citra Daun (Multilayer Perceptron),” J. Comput. Eng. Sci., vol. 1, no. 2, pp. 37–44, 2022.
E. Anggraini, C. Suryanti, T. Nurbella, and M. Sholihin, “Alexnet Arsitektur Untuk Klasifikasi Jenis Batik Lamongan,” vol. 6, no. 02, pp. 54–60, 2022.
Downloads
Article History
Pages: 28-33
How to Cite
Issue
Section
License
Copyright (c) 2023 Qudsiah Nur Azizah
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Penulis yang mempublikasikan naskahnya pada sudo Jurnal Teknik Informatika menyetujui ketentuan berikut:
Hak cipta atas artikel apapun dalam sudo Jurnal Teknik Informatika dipegang penuh oleh penulisnya di bawah lisensi Creative Commons Attribution-ShareAlike 4.0 International License. dengan beberapa ketentuan sebagai berikut:
"Penulis mengakui bahwa sudo Jurnal Teknik Informatika berhak sebagai yang mempublikasikan pertama kali dengan lisensi Creative Commons Attribution-ShareAlike 4.0 International License / CC BY SA 4.0"
"Penulis dapat memasukan tulisan secara terpisah, mengatur distribusi non-ekskulif dari naskah yang telah terbit di jurnal ini ke dalam versi yang lain (misal: dikirim ke respository institusi penulis, publikasi ke dalam buku, dll), dengan mengakui bahwa naskah telah terbit pertama kali pada sudo Jurnal Teknik Informatika."
"Pembaca diperbolehkan mengunduh, menggunakan, dan mengadopsi isi artikel selama mengutip artikel dengan menyebutkan judul, penulis, dan nama jurnal ini. Pengutipan tersebut dilakukan demi kemajuan ilmu pengetahuan dan kemanusiaan serta tidak boleh melanggar hukum yang berlaku."
