Deteksi Kondisi Tanaman Selada Berdasarkan Citra Menggunakan Metode Convolutional Neural Network (cnn)

Abstract

Abstrak Metode dalam bercocok tanam mulai bervariatif pada masa kini, salah satunya dengan menggunakan metode Hidroponik. Jenis tanaman yang dapat diterapkan pada metode Hidroponik cukup banyak, salah satunya adalah tanaman Selada. Petani atau masyarakat yang menanam tanaman Selada menginginkan hasil yang baik tentunya. Perawatan dan pengelolaan tanaman yang baik menjadi faktor utama untuk menghasilkan hasil panen yang baik atau tidak. Dengan memantau tanaman satu per satu dibutuhkan waktu dan tenaga yang cukup banyak. Hal ini cukup membuat petani atau masyarakat sekalipun cukup kesulitan. Atas permasalahan tersebut, dirancang sebuah sistem yang dapat mendeteksi dari kondisi tanaman Selada tersebut dengan memanfaatkan kamera sebagai alat untuk pengambilan gambar. Penelitian ini bertujuan untuk membuat sistem yang dapat mendeteksi dari kondisi tanaman Selada dengan menggunakan metode klasifikasi Convolutional Neural Network (CNN). Kondisi dari tanaman Selada dibedakan menjadi dua kelas kondisi yang ditandai dengan warna daun, apabila terdapat warna kuning hingga cokelat maka akan dikategorikan kelas kondisi tidak baik sedangkan daun dengan kondisi hijau segar maka akan dikategorikan kelas kondisi baik. Hasil dari penelitian ini adalah sistem yang dapat mendeteksi kelas kondisi daun tanaman Selada dengan kondisi tidak baik dan kondisi baik. Keluaran dari sistem berupa gambar serta hasil kelas dari gambar yang telah di-input. Dengan menggunakan parameter berupa partisi data latih sebesar 90% dan data uji sebesar 10% dengan mendapatkan akurasi 99,2%. Kata kunci : Hidroponik, Selada, Convolutional Neural Network (CNN). Abstract Farming methods are starting to be varied today, one of the methods is the Hydroponic method. There are a lot of plants that can be applied to the Hydroponic method, one of the plants is Lettuce. Lettuce farmers certainly want a good Lettuce yields result. Good management and treatment for the Lettuce are the main factors for producing good or poor Lettuce yields. Because of monitoring the Lettuce one by one takes a lot of time and effort, farmers will be difficult to do that. For this problem, a system was designed that could detect the condition of the Lettuce by using a camera as a tool for taking images. The purpose of this research is to create a system that can detect the condition of Lettuce plants using Convolutional Neural Network (CNN) classification method. The conditions of the Lettuce plants are divided into two class conditions which are marked by the color of the leaves, if there is yellow to brown color it will be categorized as a bad condition class while the leaves with a fresh green condition will be categorized as a good condition class. The result of this research is a system that can detect the class condition of Lettuce leaves with bad conditions and good conditions. The output from the system is in the form of images and class results from the images that have been inputted. By using parameters in the form of partition training data by 90% and test data by 10% with an accuracy of 99.2%. . Keyword: Hydroponics, Lettuce, Convolutional Neural Network (CNN)