Klasifikasi Penyakit Daun Kentang Menggunakan Model Logistic Regression

Wahyutama Fitri Hidayat, Taufik Asra, Ahmad Setiadi

Abstract


Tanaman kentang merupakan salah satu jenis umbi-umbian yang ditanam di Indonesia. Budidaya kentang dapat dikatakan tidak selalu sesuai yang diharapkan, serangan hama dan penyakit menjadi salah satu faktor penyebabnya. Sebagai upaya indentifikasi penyakit pada tanaman kentang dilakukan penelitian berdasarkan klasifikasi penyakit daun pada tumbuhan kentang. Penelitian ini berisi tentang membuat suatu sistem untuk identifikasi berdasarkan citra daun pada tanaman kentang menggunakan metode klasifikasi Logistic Regression sedangkan untuk ekstraksi fitur digunakan Resnet50. Tahap perancangan sistem diawali dnegan menggumpulkan data berupa data sekunder mengenai penyakit pada daun tanaman kentang, setelah itu dilakukan fitur ekstraksi, data test dan train (pembagian data), serta menghitung nilai akurasi dan prediksi. Model ini dapat mengidentifikasi berdasarkan citra dimana sehingga menghasilkan luaran berupa nilai akurasi dari penerapan model Logistic Regression dan fitur ekstrasi Resnet50. Berdasarkan percobaan yang telah  dilakukan, menggunakan data latih menghasilkan nilai akurasi sebesar 98%, sedangkan menggunakan seluruh data dengan jumlah 405 citra menghasilkan nilai akurasi sebesar 80%.

               

Kata kunci: Pemrosesan Gambar, Klasifikasi, Resnet50, Logistic Regression


Full Text:

PDF

References


Alghifari, F., & Juardi, D. (2021). Penerapan Data Mining Pada Penjualan Makanan Dan Minuman Menggunakan Metode Algoritma Naïve Bayes. Jurnal Ilmiah Informatika, 9(02), 75–81. https://doi.org/10.33884/jif.v9i02.3755

Alviansyah, F., Ruslianto, I., & Diponegoro, M. (2017). Identifikasi Penyakit Pada Tanaman Tomat Berdasarkan Warna Dan Bentuk Daun Dengan Metode Naive Bayes Classifier Berbasis Web. Jurnal Coding Sistem Komputer Untan, 5(1), 23–32.

Faiz Nashrullah, Suryo Adhi Wibowo, & Gelar Budiman. (2020). The Investigation of Epoch Parameters in ResNet-50 Architecture for Pornographic Classification. Journal of Computer, Electronic, and Telecommunication, 1(1), 1–8. https://doi.org/10.52435/complete.v1i1.51

Feri Agustina, Z. A. A. (2020). Identifikasi Citra Daging Ayam Kampung dan Broiler Menggunakan Metode GLCM dan Klasifikasi-NN. Jurnal Infokam, XVI(1), 25–36.

Hafriana, D. U., & Lutfi. (2020). Analisis Kadar Glukosa Pada Kentang Rebus (Solanum Tuberosum) Sebagai Pengganti Nasi Bagi Penderita Diabetes Melitus Dengan Menggunakan Spektrofotometri. Jurnal Media Laboran, 10(1), 26–32.

Islam, M., Dinh, A., Wahid, K., & Bhowmik, P. (2017). Detection of potato diseases using image segmentation and multiclass support vector machine. Canadian Conference on Electrical and Computer Engineering, 8–11. https://doi.org/10.1109/CCECE.2017.7946594

Karim, R. (2022). Teknik Pengumpulan Data, Pengertian dan Jenis. Deepublish Store. https://deepublishstore.com/teknik-pengumpulan-data/

Lesmana, A. M., Fadhillah, R. P., & Rozikin, C. (2022a). Identifikasi Penyakit pada Citra Daun Kentang Menggunakan Convolutional Neural Network (CNN). Jurnal Sains Dan Informatika, 8(1), 21–30. https://doi.org/10.34128/jsi.v8i1.377

Lesmana, A. M., Fadhillah, R. P., & Rozikin, C. (2022b). Identifikasi Penyakit Pada Citra Daun Kentang Menggunakan Convolutional Neural Network (CNN). Jurnal Sains Dan Informatika, Volume 8, 21.

Lestari, S., & Nauval, K. I. (2022). Implementasi deteksi objek penyakit daun kentang dengan metode convolutional neutral network. Jurnal Aplikasi Teknologi Informasi Dan Manajemen (JATIM), 3(2), 136–149.

Miranda, N. D., Novamizanti, L., Rizal, S., Elektro, F. T., & Telkom, U. (2020). Convolutional Neural Network Pada Klasifikasi Sidik Jari Menggunakan Resnet-50 Classification of Fingerprint Pattern Using Convolutional Neural Network in Clahe Image. Jurnal Teknik Informatika (JUTIF), 1(2), 61–68.

Nurhidayati, & Marzuki, I. (2020). Deteksi Otomatis Penyakit Daun Jagung Menggunakan Teknik Klasterisasi Data dan Operasi Morfologi. Energy-Jurnal Ilmiah Ilmu-Ilmu Teknik, 10(1), 1–6. https://ejournal.upm.ac.id/index.php/energy/article/view/604%0Ahttps://ejournal.upm.ac.id/index.php/energy/article/download/604/603

Putri, A. R. (2016). Pengolahan Citra Dengan Menggunakan Web Cam Pada Kendaraan Bergerak Di Jalan Raya. JIPI (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika), 1(01), 1–6. https://doi.org/10.29100/jipi.v1i01.18

Rahman, M. F., Alamsah, D., Darmawidjadja, M. I., & Nurma, I. (2017). Klasifikasi Untuk Diagnosa Diabetes Menggunakan Metode Bayesian Regularization Neural Network (RBNN). Jurnal Informatika, 11(1), 36. https://doi.org/10.26555/jifo.v11i1.a5452

Ratnawati, L., & Sulistyaningrum, D. R. (2020). Penerapan Random Forest untuk Mengukur Tingkat Keparahan Penyakit pada Daun Apel. Jurnal Sains Dan Seni ITS, 8(2). https://doi.org/10.12962/j23373520.v8i2.48517

Ridho, R., & Hendra, H. (2022). Klasifikasi Diagnosis Penyakit Covid-19 Menggunakan Metode Decision Tree. JUST IT : Jurnal Sistem Informasi, Teknologi Informasi Dan Komputer, 11(3), 69–75. https://jurnal.umj.ac.id/index.php/just-it/article/view/13594

Rozaqi, A. J., Sunyoto, A., & Arief, M. rudyanto. (2021). Deteksi Penyakit Pada Daun Kentang Menggunakan Pengolahan Citra dengan Metode Convolutional Neural Network. Creative Information Technology Journal, 8(1), 22. https://doi.org/10.24076/citec.2021v8i1.263

Saputra, D. E., & Ibadillah, A. F. (2019). Pengolahan Citra Digital Dalam Penentuan Panen Jamur Tiram. Jurnal Teknik Elektro Dan Komputer TRIAC, 6(1), 2–6. https://doi.org/10.21107/triac.v6i1.4356

Sekar, P., Putri, A., Martono, K. T., & Windasari, I. P. (2020). Pengembangan Sistem Pendeteksi Gesture Angka pada Tangan secara Realtime Berbasis Android. Edu Komputika Journal, 7(1), 1–9.

Widestra, S. P. G., Hidayat, N., & Dewi, R. K. (2019). Sistem Diagnosis Penyakit Tanaman Kentang MenggunakanSistem Diagnosis Penyakit Tanaman Kentang Menggunakan Metode K-Nearest Neighbor Syndu. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 3(4), 4020–4026.




DOI: https://doi.org/10.31294/ijse.v8i2.14624

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

 

ISSN : 2714-9935 


Published by LPPM Universitas Bina Sarana Informatika

Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450


This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License