Identifikasi Penyakit Tanaman Jagung Berdasarkan Citra Daun Menggunakan Convolutional Neural Network
DOI:
https://doi.org/10.33633/tc.v22i3.8425Keywords:
Corn Disease, Machine Learning, Convolutional Neural Network, GLCM, Image ProcessingAbstract
Komoditas jagung di Indonesia menjadi tanaman pangan terbesar kedua setelah padi sebagai sumber karbohidrat. Namun dikarenakan keterbatasan kemampuan petani dan faktor lingkungan menyebabkan upaya penanganan tanaman jagung akibat adanya serangan organisme pengganggu tanaman menjadi terhambat. Penelitian ini mengusulkan upaya deteksi secara dini terhadap jenis penyakit pada daun tanaman jagung menggunakan metode Convolutional Neural Network (CNN) yang dikenal sebagai algoritma pembelajaran mesin berkinerja tinggi dalam mengklasifikasikan jenis penyakit tanaman ke dalam beberapa kelas seperti Blight, Common Rust, Grey Leaf Spot, dan Healthy. Selain itu, transformasi warna citra dari RGB, HSV dan Grayscale, proses segmentasi dengan Region of Interest (ROI) serta dilengkapi dengan penerapan ektraksi fitur tekstur dengan menggunakan GLCM telah mampu menghasilkan tingkat akurasi sebesar 94% dan nilai loss rate yang relatif kecil yaitu 0.1742. Hasil penelitian ini menunjukkan bahwa penggunaan metode CNN terbukti secara efisien & efektif dalam melakukan identifikasi jenis penyakit tanaman.References
D. Iswantoro and D. Handayani UN, “Klasifikasi Penyakit Tanaman Jagung Menggunakan Metode Convolutional Neural Network (CNN),” Jurnal Ilmiah Universitas Batanghari Jambi, vol. 22, no. 2, p. 900, Jul. 2022, doi: 10.33087/jiubj.v22i2.2065.
M. A. Ulhaq and R. Masnilah, “Pengaruh Penggunaan Beberapa Varietas dan Aplikasi Pseudomonas fluorescens untuk Mengendalikan Penyakit Bulai (Peronosclerospora maydis) pada Tanaman Jagung (Zea mays L.),” Jurnal Pengendalian Hayati, vol. 2, no. 1, p. 1, Mar. 2019, doi: 10.19184/jph.v2i1.17131.
I. Syahriani et al., “Identifikasi Penyakit pada Batang Tanaman Jagung (Zea Mays) di Kecamatan Panyabungan Kabupaten Mandailing Natal, Sumatera Utara,” in Prosiding SEMNAS BIO , 2021.
M. Wafa Akhyari, A. Suyoto, and F. Wahyu Wibowo, “Klasifikasi Penyakit Pada Daun Jagung Menggunakan Convolutional Neural Network,” 2021.
R. Suhendra, I. Juliwardi, and Sususi, “Identifikasi dan Klasifikasi Penyakit Daun Jagung Menggunakan Support Vector Machine,” vol. 1, no. 1, pp. 29–35, 2022, [Online]. Available: http://jurnal.utu.ac.id/JTI
M. I. Rosadi, M. Lutfi, and S. Artikel, “Identifikasi Jenis Penyakit Daun Jagung Menggunakan Deep Learning Pre-Trained Model,” 2021, doi: 10.35891/explorit.
A. D. Nurcahyati, R. Makhfuddin Akbar, and S. Zahara, “Klasifikasi Citra Penyakit Pada Daun Jagung Menggunakan Deep Learning Dengan Metode Convolution Neural Network (CNN),” vol. 2, no. 2, pp. 43–51, 2022, [Online]. Available: http://ejurnal.unim.ac.id/index.php/submit
G. Geetharamani and A. P. J., “Identification of plant leaf diseases using a nine-layer deep convolutional neural network,” Computers & Electrical Engineering, vol. 76, pp. 323–338, Jun. 2019, doi: 10.1016/J.COMPELECENG.2019.04.011.
D. Singh, N. Jain, P. Jain, P. Kayal, S. Kumawat, and N. Batra, “PlantDoc: A Dataset for Visual Plant Disease Detection,” Nov. 2019, doi: 10.1145/3371158.3371196.
S. Sunardi, A. Yudhana, and S. Saifullah, “Identification of Egg Fertility Using Gray Level Co-Occurrence Matrix and Backpropagation,” Adv Sci Lett, vol. 24, pp. 9151–9156, Dec. 2018, doi: 10.1166/asl.2018.12115.
R. Fadholi, Y. A. Sari, and F. Abdurrachman Bachtiar, “Pengenalan Citra Makanan Tradisional menggunakan Fitur Hue Saturation Value dan Fuzzy k-Nearest Neighbor,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer , vol. 3, no. 7, pp. 6556–6566, 2019, [Online]. Available: http://j-ptiik.ub.ac.id
A. K. Saputro and D. N. Purnamasari, “Identifikasi Jenis Plastik Berdasarkan Reflektansi Cahaya Menggunakan Transformasi Ruang Warna HSV Identification Of Plastic Type Based on Light Reflection In HSV Colorspace Conversion,” Jurnal SimanteC, vol. 11, no. 1, 2022.
M. M. Chandra and Yoannita, “Klasifikasi Jenis Bunga Menggunakan Metode SVM Berdasarkan Citra Dengan Fitur HSV,” Jurnal Indonesia Sosial Teknologi, vol. 4, pp. 255–264, 2023.
M. A. Rohman, P. Mudjirahardjo, and M. A. Muslim, “Implemantasi Metode Convolutional Neural Network Dan Ekstraksi GLCM Pada Klasifikasi Kanker Paru,” Jurnal Ilmiah Teknik Elektro, vol. 23, no. 4, 2021.
Felix, S. Faisal, T. F. M. Butarbutar, and P. Sirait, “Implementasi CNN dan SVM untuk Identifikasi Penyakit Tomat via Daun,” OKTOBER 2019 IJCCS, vol. 20, pp. 1–5, 2019.
A. H. Pratomo, W. Kaswidjanti, and S. Mu’arifah, “Implementasi Algoritma Region Of Interest (ROI) Untuk Meningkatkan Performa Algoritma Deteksi Dan Klasifikasi Kendaraan,” Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 7, no. 1, pp. 155–162, 2020, doi: 10.25126/jtiik.202071718.
M. Segal-Rozenhaimer, A. Li, K. Das, and V. Chirayath, “Cloud detection algorithm for multi-modal satellite imagery using convolutional neural-networks (CNN),” Remote Sens Environ, vol. 237, p. 111446, 2020, doi: https://doi.org/10.1016/j.rse.2019.111446.
L. Qian, L. Hu, L. Zhao, T. Wang, and R. Jiang, “Sequence-Dropout Block for Reducing Overfitting Problem in Image Classification,” IEEE Access, vol. PP, p. 1, Mar. 2020, doi: 10.1109/ACCESS.2020.2983774.
D. Normawati and S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” 2021.
A. A. Devi Putri, S. Hasanah, M. S. Bahrul, and N. Suciati, “Analisis Penggunaan Pra-proses pada Metode Transfer Learning untuk Mendeteksi Penyakit Daun Singkong,” Techno.COM, vol. 22, no. 2, pp. 336–347, 2023.
Downloads
Published
Issue
Section
License
Pernyataan Lisensi
Artikel yang diterbitkan dalam jurnal Techno.Com dilisensikan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional (CC BY-NC 4.0).
Anda diperbolehkan untuk menyalin, mendistribusikan, menampilkan, dan melakukan karya dari artikel ini serta membuat karya turunan selama Anda memberikan kredit yang sesuai kepada penulis asli dan tidak menggunakan karya ini untuk tujuan komersial. Untuk melihat salinan lisensi ini, kunjungi [Creative Commons Attribution-NonCommercial 4.0 International](https://creativecommons.org/licenses/by-nc/4.0/).
---
Contoh pengkreditan:
- Penulis: [Nama Penulis]
- Judul Artikel: [Judul Artikel]
- Jurnal: Techno.Com, Vol. [Nomor Volume], No. [Nomor Edisi], Tahun [Tahun Penerbitan]
Jika Anda ingin menggunakan karya ini untuk tujuan komersial, Anda harus mendapatkan izin terlebih dahulu dari penulis atau penerbit.
---
