KLASIFIKASI PENYAKIT EARLY BLIGHT DAN LATE BLIGHT PADA TANAMAN TOMAT BERDASARKAN CITRA DAUN MENGGUNAKAN METODE CNN BERBASIS WEBSITE

Authors

  • Nining Putri Ningsih Universitas Teknologi Mataram
  • Emi Suryadi Universitas Teknologi Mataram
  • Lalu Darmawan Bakti Universitas Teknologi Mataram
  • Bahtiar Imran Universitas Teknologi Mataram

Keywords:

Citra, CNN, deploy web, Machine Learning, Penyakit tomat

Abstract

Tomat merupakan salah satu tanaman hortikultura di Indonesia yang sangat rentan terserang penyakit. Petani akan mengalami kesulitan untuk mengidentifikasi penyakit pada daun tanaman tomat, jika hanya dilihat secara kasat mata saja. Hal tersebut dapat menyebabkan kesalahan dalam penanggulangannya, sehingga dapat menyebabkan turunnya hasil produksi serta memungkinkan terjadinya gagal panen pada tanaman tomat. Oleh karena itu dibutuhkan aplikasi yang membantu petani untuk mengklasifikasi Penyakit Early Blight dan Late Blight pada daun tomat. Proses klasifikasi ini menggunakan citra daun dengan metode Convolutional Neural Network. Dataset yang digunakan 4.000 citra dengan 2 jenis penyakit yaitu Early Blight dan Late Blight. Penggunaan Algoritma CNN menghasilkan akurasi yang tinggi, proses training data menenggukan learning rate 0,0001 dan batch size 20. Epoch 1 menghasilkan loss 98%, akurasi 53%, Recall 46%. Epoch 10 menghasilkan 20, loss 34%, akurasi 85%, recall 81%. Epoch 20 menghasilkan loss 22%, akurasi 94%, recall 95%. Epoch 100 mengasilkan loss 5%, akurasi 99%, dan recall 85%, akan digunakan untuk proses klasifikasi karena menghasilkan akurasi dan recall yang tinggi, serta loss yang kecil. Model CNN tersebut akan di implementasikan ke website dengan menggunakan framework flask.

Downloads

Download data is not yet available.

References

F. Alviansyah, I. Ruslianto, and M. Diponegoro, “Identifikasi Penyakit Pada Tanaman Tomat Berdasarkan Warna Dan Bentuk Daun Dengan Metode Naive Bayes,” J. Coding Sist. Komput. Untan, vol. 05, no. 1, pp. 23–32, 2017.

M. Astiningrum, P. P. Arhandi, N. A. Ariditya, and A. T. Tomat, “Berdasarkan Fitur Warna dan Tekstur,” pp. 227–230.

T. NURHIKMAT, “IMPLEMENTASI DEEP LEARNING UNTUK IMAGE CLASSIFICATION MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) PADA CITRA WAYANG GOLEK,” vol. 7, no. 2, pp. 44–68, 2018.

P. Choirunisa, “Implementasi Artificial Inteligence Untuk Memprediksi Harga Penjualan Rumah Menggunakan Metode Random Forest dan Flask (Tugas Akhir),” 2020.

H. Hambali, M. Mahayadi, and ..., “Classification of Lombok Songket Cloth Image Using Convolution Neural Network Method (Cnn),” Pilar Nusa Mandiri …, no. 85, pp. 149–156, 2021, doi: 10.33480/pilar.v17i2.2705.

F. F. Maulana and N. Rochmawati, “Klasifikasi Citra Buah Menggunakan Convolutional Neural Network,” J. Informatics Comput. Sci., vol. 1, no. 02, pp. 104–108, 2020, doi: 10.26740/jinacs.v1n02.p104-108.

Felix, S. Faisal, T. F. M. Butarbutar, and P. Sirait, “Implementasi CNN dan SVM untuk Identifikasi Penyakit Tomat via Daun,” Issn 2622-8130, vol. 20, no. 2, pp. 117–134, 2019.

Downloads

Published

2022-12-13

How to Cite

Nining Putri Ningsih, Emi Suryadi, Lalu Darmawan Bakti, & Bahtiar Imran. (2022). KLASIFIKASI PENYAKIT EARLY BLIGHT DAN LATE BLIGHT PADA TANAMAN TOMAT BERDASARKAN CITRA DAUN MENGGUNAKAN METODE CNN BERBASIS WEBSITE. Jurnal Kecerdasan Buatan Dan Teknologi Informasi, 1(3), 27–35. Retrieved from https://ojs.ninetyjournal.com/index.php/JKBTI/article/view/10