Penyakit Tanaman Apel Dari Citra Daun Dengan Convolutional Neural Network

Abstract

Tanaman Apel merupakan buah tahunan yang berasal dari daerah Asia Barat dengan iklim sub tropis. Di Indonesia tanaman Apel ditanam sejak tahun 1934 hingga saat ini. Tanaman Apel dapat tumbuh dan berbuah baik di daerah dataran tinggi. Para petani biasanya melakukan pencegahan penyakit atau hama dengan melakukan penyemprotan setiap 1 – 2 minggu sekali dengan dosis ringan. Pencegahan ini agar penyakit/hama dapat segera ditanggulangi dan baik jika dilakukan pada pagi atau sore hari. Terkadang petani juga membutuhkan seorang pakar dalam menentukan jenis hama/penyakit pada tanaman Apel agar dapet memberikan solusi terbaik. Oleh karena itu diperlukan adanya pendekatan digital agar dapat mengenali beragam jenis hama/penyakit tanaman Apel dengan cepat dan mudah. Teknologi Deep Learning, merupakan salah satu bidang ilmu baru dalam Machine Learning dan berkembang dengan depat. Deep Learning memiliki kemampuan yang baik dalam Computer Vision, salah satunya yaitu image classification atau klasifikasi objek pada citra. Metode yang dapat digunakan dalam melakukan klasifikasi citra ini yaitu Convolutional Neural Network (CNN). Berdasarkan hasil uji coba, aplikasi berhasil diimplementasikan dengan baik menggunakan framework dart berbasis android dengan hasil final test accuracy yang diperoleh yaitu didapat keakuratan sebesar 97,1%.

Klasifikasi Penyakit Tanaman Padi Berbasis Citra Daun Menggunakan Convolutional Neural Network (CNN)

“…Beberapa penelitian terdahulu mengenai klasifikasi penyakit tanaman menggunakan convolutional neural network memperoleh hasil akurasi yang baik. Pada penelitian [4] mengidentifikasi tiga jenis penyakit pada daun tanaman apel yaitu scab, blackrot, dan rust menggunakan algoritma convolutional neural network. Sebanyak 7799 data train dan 1943 data validasi yang digunakan dalam penelitian.…”

“…Berdasarkan uraian beberapa penelitian diatas, peneliti menggunakan convolutional neural network dengan model VGG16 untuk mengklasifikasikan empat jenis penyakit yang umum dijumpai pada tanaman padi. Convolutional neural network merupakan salah satu jenis algoritma deep learning yang mempunyai tingkat akurasi signifikan dan biasa digunakan untuk pengolahan pada data gambar [4]. CNN dirancang untuk pengolahan data dua dimensi seperti gambar atau suara [10].…”

Penerapan Subsistem On-Farm Agribisnis Apel Yang Berdaya Saing Di PT. Kusuma Satria Dinasasri Wisata Jaya Kota Batu

“…Menurut Paliwang et al (2020), tanaman apel merupakan tanaman sub tropis yang berasal dari Asian Barat, sehingga apel di Indonesia harus ditanam pada tempat yang tinggi dan memiliki suhu yang cukup dingin agar dapat tumbuh dengan baik. Tanaman apel cocok ditanam pada ketinggian lebih dari 1000 mdpl, hal ini cocok dengan kondisi topografi Indonesia yang memiliki banyak pegunungan dan dataran tinggi.…”

Optimasi Image Classification Pada Jenis Sampah Dengan Data Augmentation Dan Convolutional Neural Network

“…CNN merupakan pengembangan dari Multi Layer Perceptron (MLP) dan merupakan salah satu algoritma dari Deep Learning (Peryanto, Yudhana, & Umar, 2020). CNN termasuk dalam jenis jaringan saraf dalam karena kedalaman jaringannya yang tinggi dan diterapkan secara luas pada data gambar (Septian et al, 2020). Lapisan penyusun CNN terdiri dari Convolution Layer, Activation ReLU Layer, Pooling Layer, dan Fully Connected Layer (Hanin, Patmasari, & Nur, 2021).…”

“…menggunakan CNN untuk Klasifikasi Batik Riau. Sedangkan untuk Klasifikasi Penyakit Tanaman Apel Dari Citra Daun menghasilkan akurasi sebesar 97,1% yang dilakukan (Septian, Paliwang, Cahyanti, & Swedia, 2020). Selanjutnya penelitian tentang klasifikasi kerusakan bangunan sekolah menggunakan CNN dengan jumlah total citra 3000 menghasilkan akurasi 67,8% (Rizki & Marina, 2019).…”