Sistem Pendeteksi Penyakit Pada Daun Tanaman Singkong Menggunakan Deep Learning Dan Tensorflow Berbasis Android

Faturrachman, Mirza; Yustiana, Indra; Somantri, .

doi:10.36549/ijis.v7i2.225

Cited by 3 publications

(3 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…TensorFlow merupakan salah satu library yang bersifat open source untuk data science yang dikembangkan oleh Google untuk penelirian jaringan syaraf dalam dan pembelajaran mesin [8].…”

Section: Fully Connected Layerunclassified

Implementasi Convolutional Neural Network Untuk Deteksi Kesegaran Pada Apel

Agustin,

Rosid,

Ariyanti

2023

View full text Add to dashboard Cite

Saat ini, perkembangan teknologi telah menjadi sangat cepat dan produk kecerdasan buatan seperti visi komputer yang mampu menganalisis benda-benda di sekitarnya dan kemudian memberikan informasi yang dapat dipahami oleh manusia telah mulai menggantikan peran manusia dalam beberapa bidang pekerjaan. Berdasarkan data BPS, persentase ekspor buah Indonesia tumbuh 10,36% pada Februari 2022 dengan nilai US$ 340 juta. Hal ini menyebabkan perlunya efisiensi waktu saat melakukan proses ekspor untuk menentukan kualitas buah. Jumlah waktu, sumber daya manusia, dan kurangnya pemahaman dalam menentukan kualitas buah adalah hal yang perlu diperhatikan. Berdasarkan permasalahan dan pertanyaan tersebut, penelitian ini dilakukan untuk membuat sebuah proyek yang membuktikan bahwa visi computer juga dapat melakukan pekerjaan serupa yang awalnya dilakukan oleh manusia sehingga dapat mempermudah penentuan kualitas buah dengan menerapkan algoritma Convolutional Neural Network dengan struktur LeNet-5 dan mendapat akurasi sebesar 93%. Proyek ini merupakan aplikasi berbasis mobile android yang dapat mendeteksi kondisi buah apakah cocok (segar) atau tidak cocok (busuk) untuk dikonsumsi sehingga menciptakan gaya hidup yang lebih sehat.

show abstract

“…TensorFlow merupakan salah satu library yang bersifat open source untuk data science yang dikembangkan oleh Google untuk penelirian jaringan syaraf dalam dan pembelajaran mesin [8].…”

Section: Fully Connected Layerunclassified

Implementasi Convolutional Neural Network Untuk Deteksi Kesegaran Pada Apel

Agustin,

Rosid,

Ariyanti

2023

View full text Add to dashboard Cite

show abstract

“…Hasil penelitian ini adalah Sample daun berpenyakit dilakukan proses preprocessing untuk mengambil nilai a dan nilai b menggunakan cielab, kemudian hasil dari nilai tersebut dimasukan ke algoritma k-means untuk mengelompokkan citra daun yang sehat dan berpenyakit [12]. [14].…”

Section: Pendahuluanunclassified

Klasifikasi Penyakit Pada Daun dan Buah Jambu Menggunakan Convolutional Neural Network

Anam,

Muttaqin,

Ramadhan

2023

JOINTECS

View full text Add to dashboard Cite

Guava is a crop commodity in West Java with total production in 2021 reaching 692,488 quintals. This production decreased by -12.82% compared to 2020 which amounted to 794,345 quintals. The research uses deep learning technology with the Convolutional Neural Network (CNN) algorithm and MobileNetV2 architecture to classify digital images of guava leaves and fruits that have been labeled or called supervised learning. The development method used in this research is Cross Industry Standard Process for Data Mining (CRISP-DM). Based on the results of this study, the guava leaf model has excellent evaluation results, training accuracy of 99.6%, validation accuracy of 100%, training loss of 3.2%, and validation loss of 3.1%. The confusion matrix of this model has 100% accuracy from 63 validation data. Meanwhile, the guava fruit model requires a dropout of 0.2 and L2 kernel regularizers of 0.01 to reduce overfitting. This model has a training accuracy of 98.8%, validation accuracy of 91.6%, training loss of 19.1%, and validation loss of 38.6%. The confusion matrix results show that the accuracy of this model reaches 91.6% of 84 validation data. Then the model was successfully implemented into a mobile-based application using the Kotlin programming language.

show abstract

“…Penelitian terdahulu tentang klasifikasi penyakit menggunakan model terlatih (Faturrachman et al, 2022). Penelitian yang sama juga dengan judul "implementasi tensorflow lite pada teachable untuk identifikasi tanaman aglaonema berbasis android".…”

unclassified

Aplikasi Deteksi Penyakit pada Daun Tomat Berbasis Android Menggunakan Model Terlatih Tensorflow Lite

Natbais,

Umbu

2023

TEKNOTAN

View full text Add to dashboard Cite

Tanaman Tomat (Solanum lycopersicum Mill) merupakan salah satu jenis tanaman yang dapat tumbuh di seluruh wilayah Indonesia sehingga sering dibudidayakan. Salah satu tantangan dalam budidaya tomat yaitu penyakit daun. Penyakit daun dapat menyebabkan turunnya kualitas dan kuantitas buah tomat yang dihasilkan. Berdasarkan permasalahan tersebut, penulis melakukan perancangan aplikasi deteksi penyakit daun tomat dengan menggunakan Convolutional Neural Network (CNN). Dalam penelitian ini penyakit daun tomat diklasifikasikan menjadi sembilan jenis penyakit. Image processing dilakukan dengan mengimplementasikan Algoritma Machine Learning. Datasheet jenis dan gambar penyakit daun tomat diambil dari Kaggle Competition page. Web Teachable Machine digunakan untuk melatih model menjadi Tensorflow lite. Selanjutnya dibangun menjadi aplikasi android dengan basis bahasa pemrograman Java menggunakan Android Studio. Aplikasi yang berhasil dibangun diberi nama Tomato Leaf Disease. Aplikasi ini dapat mendeteksi gambar yang berasal dari galeri maupun hasil tangkapan kamera. Berdasarkan hasil uji coba, aplikasi yang dibangun dapat mengidentifikasi penyakit daun dengan baik. Tingkat akurasi sangat bergantung pada spesifikasi kamera, sudut pengambilan gambar, dan pencahayaan saat pengambilan gambar.

show abstract

Sistem Pendeteksi Penyakit Pada Daun Tanaman Singkong Menggunakan Deep Learning Dan Tensorflow Berbasis Android

Cited by 3 publications

References 0 publications

Implementasi Convolutional Neural Network Untuk Deteksi Kesegaran Pada Apel

Implementasi Convolutional Neural Network Untuk Deteksi Kesegaran Pada Apel

Klasifikasi Penyakit Pada Daun dan Buah Jambu Menggunakan Convolutional Neural Network

Aplikasi Deteksi Penyakit pada Daun Tomat Berbasis Android Menggunakan Model Terlatih Tensorflow Lite

Contact Info

Product

Resources

About