Penerapan Algoritma Convolutional Neural Network Dan Arsitektur MobileNet Pada Aplikasi Deteksi Penyakit Daun Padi

Rizal Amegia Saputra, Sri Wasiyanti, Adi Supriyatna, Dede Firmansyah Saefudin

Abstract


Padi merupakan tanaman pangan penghasil beras, dan indonesia merupakan negera yang mayoritas penduduknya menjadikan beras sebagai makanan utama, jumlah penduduk yang semakin meningkat, perlu menjaga kualitas padi agar resiko gagal panen dapat dihindari. Banyak faktor yang dapat menimbulkan resiko gagal panen salahsatunya itu penyakit daun padi, Pada penelitian ini diusulkan Algoritma Convolutional Neural Network untuk klasifikasi penyakit daun padi yang berdasarkan citra. Arsitektur yang digunakan pada penelitian ini menggunakan MobileNetVI dengan menggunakan ekstraksi fitur. Dataset berasal dari UCI Repository sebanyak 120 yang terdiri dari 3 penyakit daun padi yaitu Bacterial leaf blight,  Brown spot, Leaf smut. Berdasarkan hasil pelatihan dan pengujian menggunakan citra penyakit daun padi yang berukuran 224x224 piksel didapat hasil nilai akurasi pelatihan mencapai 1.0 dan nilai akurasi validasi mencapai 0.8333. Nilai akurasi pada Confusion Matrix yaitu sebesar 92%, hasil ini menjadi bukti bahwa dengan penerepan algorima CNN dan MobileNetVI dengan ekstraksi ciri memiliki akurasi yang baik sekali. Percobaan pada aplikasi yang dibangun hasil proses pengujian berbasis android terbukti dapa mengklasifikasikan jenis penyakit daun padi.

References


Chawathe, S. S. (2020). Rice Disease Detection by Image Analysis. 2020 10th Annual Computing and Communication Workshop and Conference, CCWC 2020, 524–530. https://doi.org/10.1109/CCWC47524.2020.9031140

Isbah, U., & Iyan, R. Y. (2016). Analisis Peran Sektor Pertanian Dalam Perekonomian Dan Kesempatan Kerja Di Provinsi Riau. Jurnal Sosial Ekonomi Pembangunan, (19), 45–54.

Jani, K., & Noor, A. H. (2018). Klasifikasi Penyakit Daun Padi Berdasarkan Hasil Ekstraksi Fitur GLCM Interval 4 Sudut. Jurnal Teknologi Informasi Dan Komunikasi (JTIK) STMIK ProVisi Semarang, 03(01), 1–6. Retrieved from https://ejournal.poltektegal.ac.id/index.php/informatika/article/view/669/632

Minarni, & Warman, I. (2017). Sistem Pakar Identifikasi Penyakit Tanaman Padi Menggunakan Case-Based Reasoning. Seminar Nasional Aplikasi Teknologi Informasi, (5 Agustus 2017 ISSN: 1907 – 5022), 28–32.

Nuryanto, B. (2018). Pengendalian Penyakit Tanaman Padi Berwawasan Lingkungan Melalui Pengelolaan Komponen Epidemik. Jurnal Penelitian Dan Pengembangan Pertanian, 37(1), 1. https://doi.org/10.21082/jp3.v37n1.2018.p1-8

Phadikar, S., & Sil, J. (2008). Rice disease identification using pattern recognition techniques. Proceedings of 11th International Conference on Computer and Information Technology, ICCIT 2008, (Iccit), 420–423. https://doi.org/10.1109/ICCITECHN.2008.4803079

Phadikar, S., Sil, J., & Das, A. K. (2013). Rice diseases classification using feature selection and rule generation techniques. Computers and Electronics in Agriculture, 90, 76–85. https://doi.org/10.1016/j.compag.2012.11.001

Pothen, M. E., & Pai, D. M. L. (2020). Detection of Rice Leaf Diseases Using Image Processing. Proceedings of the 4th International Conference on Computing Methodologies and Communication, ICCMC 2020, (Iccmc), 424–430. https://doi.org/10.1109/ICCMC48092.2020.ICCMC-00080

Rahman, C. R., Arko, P. S., Ali, M. E., Iqbal Khan, M. A., Apon, S. H., Nowrin, F., & Wasif, A. (2020). Identification and recognition of rice diseases and pests using convolutional neural networks. Biosystems Engineering, 194(August 2019), 112–120. https://doi.org/10.1016/j.biosystemseng.2020.03.020

Saputra, R. A., Suharyanto, Wasiyanti, S., Saefudin, D. F., Supriyatna, A., & Wibowo, A. (2020). Rice Leaf Disease Image Classifications Using KNN Based on GLCM Feature Extraction. Journal of Physics: Conference Series, 1641(1). https://doi.org/10.1088/1742-6596/1641/1/012080

Soleh, M. I. (2020). Penggunaan Pestisida Dalam Perspektif Produksi dan Keamanan Pangan. Retrieved from Kementrian Pertanian website: http://tanamanpangan.pertanian.go.id/index.php/iptek/16

Yang, J. H., Liu, H. X., Zhu, G. M., Pan, Y. L., Xu, L. P., & Guo, J. H. (2008). Diversity analysis of antagonists from rice-associated bacteria and their application in biocontrol of rice diseases. Journal of Applied Microbiology, 104(1), 91–104. https://doi.org/10.1111/j.1365-2672.2007.03534.x




DOI: https://doi.org/10.31294/swabumi.v9i2.11678

INDEXING

 

 

 

    P-ISSN : 2355-990X                       E-ISSN: 2549-5178

                     

 

Dipublikasikan oleh LPPM Universitas Bina Sarana Informatika

Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License