Penerapan Deep Learning Pada Jenis Penyakit Tanaman Kelapa Sawit Menggunakan Algoritma Convolutional Neural Network
DOI:
https://doi.org/10.35143/jkt.v8i2.5522Kata Kunci:
Kelapa Sawit, Deep Learning, Convolutional Neural NetworkAbstrak
Masalah Organisme Pengganggu Tumbuhan (OPT) terutama berkaitan dengan penyakit selalu menjadi isu dalam pengelolaan perkebunan kelapa sawit. Kelapa sawit memiliki penyakit yang disebabkan oleh hama dan lainnya yang dapat mempengaruhi pertumbuhan serta proses berbuahnya.Untuk itu, penelitian ini bertujuan untuk mengidentifikasi sehat dan tidaknya tanaman kelapa sawit melalui warna daunnya, sehingga akan memudahkan kinerja petani. Deep Learning (DL) merupakan bidang ilmu dari machine learning dengan melakukan pembelajaran lebih dalam untuk banyak lapisan. Convolutional Neural Network (CNN) adalah salah satu algoritma DL yang dirancang untuk mengolah data dalam bentuk dua dimensi misalnya gambar. Oleh karena itu, pada penelitian ini akan diterapkan metode CNN untuk mengklasifikasikan sehat atau tdiaknya tanaman kelapa sawit berdasarkan warna daunnya. Data yang digunakan berjumlah 3000 data dengan skenario pengujian untuk data training dan data testingnya adalah 90%:10%, 80%:20%, 70%:30% dan 65%:35%. Berdasarkan dari 4 skenario pengujian tersebut akurasi terbaik didapatkan adalah 99.90% untuk skenario 65% data training dan 35% data testing. Sedangkan tingkat akurasi yang paling rendah adalah 99,50% untuk skenario 90% data training dan 10% data testing.Unduhan
Referensi
S. Ilahiyah and A. Nilogiri, “Implementasi Deep Learning Pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural Network,†JUSTINDO (Jurnal Sist. dan Teknol. Inf. Indones., vol. 3, no. 2, pp. 49–56, 2018.
S. F. Alamsyah, “Implementasi Deep Learning Untuk Klasifikasi Tanaman Toga Berdasarkan Ciri Daun Berbasis Android,†Ubiquitous Comput. its Appl. J., vol. 2, pp. 113–122, 2019, doi: 10.51804/ucaiaj.v2i2.113-122.
Al Rivan, M. E., & Riyadi, A. G. (2021). Perbandingan Arsitektur LeNet dan AlexNet Pada Metode Convolutional Neural Network Untuk Pengenalan American Sign Language. Jurnal Komputer Terapan , 7(1), 53–61. https://doi.org/10.35143/jkt.v7i1.4489
E. Rasywir, R. Sinaga, and Y. Pratama, “Analisis dan Implementasi Diagnosis Penyakit Sawit dengan Metode Convolutional Neural Network (CNN),†J. Paradig. UBSI, vol. 22, no. 2, pp. 117–123, 2020.
A. Asrianda, H. A. K. Aidilof, and Y. Pangestu, “Machine Learning for Detection of Palm Oil Leaf Disease Visually using Convolutional Neural Network Algorithm,†J. Informatics Telecommun. Eng., vol. 4, no. 2, pp. 286–293, 2021, doi: 10.31289/jite.v4i2.4185.
Widians, J.A., Rizkyani, F.A.â€Identifikasi Hama Kelapa Sawit menggunakan Metode Certainty Factor “ ILKOM Jurnal Ilmiah; Vol 12, No 1 (2020) doi: 10.33096/ilkom.v12i1.526.58-63:
Kusumaningrum, T.F., “Implementasi Convolution Neural Network (CNN) Untuk Klasifikasi Jamur Konsumsi Di Indonesia Menggunakan Keras,†vol. 151, no. 2, pp. 10–17, 2018 .
V. Maeda-Gutiérrez et al., “Comparison of convolutional neural network architectures for classification of tomato plant diseases,†Appl. Sci., vol. 10, no. 4, 2020, doi: 10.3390/app10041245.
Malika, Muna. Widodo,Edi.â€Implementasi Deep Learning Untuk Klasifikasi Gambar Menggunakan Convolutional Neural Network (Cnn) Pada Batik Sasamboâ€. Pattimura Proceeding Conference Of Science and Technology.2021.
S. Kulkarni and S. Harnoorkar, “Comparative Analysis of CNN Architectures,†vol. 7, no. June 6, pp. 1459–1464, 2020.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2022 Jurnal Komputer Terapan
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Penulis yang mempublikasikan naskah pada jurnal ini setuju tentang hal-hal berikut ini:
- Penulis memegang hak cipta untuk proses, prosedur, atau artikel yang dideskripsikan pada naskah dan memberikan hak kepada jurnal untuk pertama kali mempublikasikan naskah dibawah Creative Commons Attribution License yang memperbolehkan orang lain untuk menyebarkan hasil penelitian dengan pengakuan hak cipta penulis dan jurnal.
- Penulis memegang hak untuk mempublikasikan kembali semua atau sebagian hasil penelitian pada naskah lain tetapi tidak memberikan hak kepada pihak ketiga lain untuk mencetak dan mempublikasikan ulang hasil penelitian yang sama.
- Penulis diperbolehkan dan disarankan untuk menginformasikan naskah yang telah terbit secara online (seperti pada repository institusi atau website milik penulis) yang akan meningkatkan produktivitas rujukan dan sitasi dari naskah yang telah terbit.
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial-BerbagiSerupa 4.0 Internasional.
