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

Fachrie Reza Megantara, Yudha Purwanto, Casi Setianingsih

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)

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0