Deteksi Penyakit Pada Daun Pakcoy Dengan Pengolahan Citra Menggunakan Metode Convolutional Neural Network

Michael Ferdy Susila, Budhi Irawan, Casi Setianingsih

Abstract

Abstrak
Salah satu penunjang keberlangsungan hidup manusia ada pada sektor pertanian. Manusia
bercocok tanam untuk memanfaatkan sumber daya hayati yang bisa menghasilkan bahan pangan, bahan
baku industri, sumber energi, dan untuk mengelola lingkungannya. Pertanian di Indonesia terdiri dari dua
macam, lahan basah dan kering. Masalah yang selalu dihadapi pada setiap tanaman adalah hama dan
penyakit. Pada saat tanaman sudah mulai tumbuh daun dan batang atau ranting, sering terjadi serangan
dari hama atau penyakit yang dapat mengakibatkan daun dan buah dari tanaman yang terjangkit
berlubang hingga membusuk dan mati. Tugas akhir ini membahas tentang perancangan dan implementasi
pendeteksi penyakit tanaman pakcoy. Deteksi penyakit tanaman pakcoy dalam satu kali pengambilan
gambar dengan jenis penyakit yang dideteksi adalah daun berlubang dan leaf miner ke dalam satu frame
gambar. Implementasi dan manfaat dari deteksi penyakit tanaman packcoy ini bertujuan untuk
mengurangi gagal panen atau tanaman busuk dan rusak menggunakan metode klasifikasi Convolutional
Neural Network (CNN). Dengan menggunakan metode CNN diharapkan mampu mendeteksi penyakit
tanaman pakcoy dengan tingkat akurasi yang tinggi. Hasil dari tugas akhir ini adalah sistem dapat
mendeteksi dua kelas penyakit pada daun dan satu kelas daun normal pada partisi data latih dan uji,
90%:10%, dengan gambar yang diambil pada storage. Akurasi yang diperoleh dengan penggunaan metode
CNN mencapai 86.67%.
Kata kunci: pertanian, pakcoy, CNN.
Abstract
One of the supporting factors of human survival is in the agricultural sector. Humans grow crops to
utilize biological resources that can produce food, industrial raw materials, energy sources, and to manage their
environment. Agriculture in Indonesia consists of two types, wet and dry land. The problem that is always faced
by every plant is pests and diseases. When plants have started to grow leaves and stems or twigs, often there are
attacks from pests or diseases that can cause the leaves and fruit of plants that are infected with holes to rot
and die. This final project discusses the design and implementation of bokchoy plant disease detection.
Detection of bokchoy plant disease in one shot with the type of disturbance detected is hollow leaves and leaf
miners into one picture frame. The implementation and benefits of the detection of bokchoy plant diseases aim
to reduce crop failure or rotten and damaged plants using the Convolutional Neural Network (CNN)
classification method. By using the CNN method, it is expected to be able to detect bokchoy plant diseases with
a high degree of accuracy. The result of this final project is that the system can detect two classes of diseases in
leaves and one class of normal leaves in 90%:10% partition data of training data and test data, with images
taken on storage. The accuracy obtained by using the CNN method reaches 86.67%.
Keywords: agriculture, bokchoy, CNN.

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0