Implementation of Convolutional Neural Network (CNN) to Identify Hydroponic Plant Conditions of Water Spinach and Pakcoy
Abstract
—Salah satu teknik budidaya tanaman yang menggunakan air sebagai pengganti tanah adalah hidroponik. Meskipun metode ini memiliki banyak keunggulan dibandingkan dengan metode budidaya konvensional, salah satu tantangan metode ini adalah kesulitan untuk mengetahui kondisi tanaman secara dini. Penelitian ini menggunakan Convolutional Neural Network (CNN) dengan arsitektur VGG-16 untuk membangun sistem yang dapat mendeteksi kondisi tanaman hidroponik. Sistem ini terdiri dari kamera yang mengambil gambar tanaman, prosesor gambar yang mengubah gambar yang diambil oleh kamera menjadi format yang dapat diproses oleh CNN, dan model CNN yang digunakan untuk mengklasifikasikan gambar yang diakses melalui aplikasi. Dataset yang digunakan terdiri dari gambar kangkung dan pakcoy hidroponik yang sehat dan tidak sehat. Hasil pengujian menunjukkan bahwa model yang dibuat memiliki akurasi 96,1%. Model ini dapat mendeteksi tanaman kangkung yang sehat dengan akurasi 93,56%, tanaman kangkung yang tidak sehat dengan akurasi 51,84%, dan tanaman pakcoy yang layu dengan akurasi 99,62%. Meningkatkan ukuran dataset dan menggunakan teknik pengambilan dataset yang lebih konsisten adalah dua cara yang dapat dilakukan.
Kata Kunci—CNN, hidroponik, VGG-16
References
M. R. Waluyo, N. Nurfajriah, F. R. I. Mariati, and Q. A. H. H. Rohman, "Pemanfaatan hidroponik sebagai sarana pemanfaatan lahan terbatas bagi karang taruna desa limo" IKRA-ITH ABDIMAS, vol. 4, no. 1, pp. 61–64, 2021.
L. P. S. Riani and S. Aris Rakhmadi, "Sistem pendukung keputusan pemilihan tanaman hidroponik menggunakan metode topsis," Ph.D. dissertation, Universitas Muhammadiyah Surakarta, 2023.
-C. N. Harsela, "Sistem hidroponik menggunakan nutrient film technique untuk produksi dan hasil tanaman selada (lactuca sativa l.)," Syntax Literate; Jurnal Ilmiah Indonesia, vol. 7, no. 11, pp. 17 136–17 144, 2022.
Y. T. Samiha, "Strategi pemanfaatan media air (hidroponik) pada bu- didaya tanaman kangkung, pakcoy, dan sawi sebagai alternatif urban farming," Journal on Education, vol. 6, no. 1, pp. 5835–5848, 2023.
N. Khasanah et al., "a urban farming sebagai upaya peningkatan ekonomi sulampua," Medikonis, vol. 12, no. 2, pp. 10–19, 2021.
A. Asriani, D. Herdhiansyah, and N. Nurcayah, "Rancangan usaha agribisnis tanaman sayuran berbasis hidroponik," Mimbar Agribisnis, vol. 8, no. 1, pp. 407– 416, 2022.
M. Ambar Susanti and R. Y. Arrokhman, Proses Budidaya dan Pena- nganan Pasca Panen Sawi Pakcoy Pada Sistem Hidroponik. Lembaga Penelitian dan Pengabdian kepada Masyarakat Universitas KH. A. Wahab . . . , 2023.
K. Maduwu, "Pemanfaatan cangkang telur sebagai pupuk organik pada tanaman kangkung darat di desa nanowa,"Jurnal Sapta Agrica, vol. 2, no. 1, pp. 11–24, 2023.
K. D. Jayanti, "Pengaruh berbagai media tanam terhadap pertumbuhan dan hasil tanaman pakcoy (brassica rapa subsp. chinensis)," JURNAL BIOINDUSTRI (JOURNAL OF BIOINDUSTRY), vol. 3, no. 1, pp. 580– 588, 2020.
B. E. Lombu, I. M. Sudana, and N. W. Suniti, "Uji berbagai jenis pupuk kemasan terhadap perkembangan penyakit akar gada pada tanaman pakcoy (brassica rapa l.) di perusahaan daerah provinsi bali, baturiti kabupaten tabanan," Journal of Comprehensive Science (JCS), vol. 2, no. 2, pp. 501–507, 2023.
J. Naranjo-Torres, M. Mora, R. Herna´ndez-Garc´ıa, R. J. Barrientos, C.Fredes, and A. Valenzuela, "A review of convolutional neural network applied to fruit image processing," Applied Sciences, vol. 10, no. 10, p. 3443, 2020.
M. Desai and M. Shah, "An anatomization on breast cancer detection and diagnosis employing multi-layer perceptron neural network (mlp) and convolutional neural network (cnn)," Clinical eHealth, vol. 4, pp. 1–11, 2021.
Y. Tian, "Artificial intelligence image recognition method based on convolutional neural network algorithm," IEEE Access, vol. 8, pp. 125 731–125 744, 2020. [14] Y.-D. Zhang, Z. Dong, X. Chen, W. Jia, S. Du, K. Muhammad, and S.-H. Wang, "Image based fruit category classification by 13-layer deep convolutional neural network and data augmentation," Multimedia Tools and Applications, vol. 78, pp. 3613–3632, 2019.
C. Vimal and N. Shirivastava, "Face and face-mask detection system using vgg-16 architecture based on convolutional neural network," International Journal of Computer Applications, vol. 975, p. 8887.
A. Krishnaswamy Rangarajan and R. Purushothaman, "Disease classifi- cation in eggplant using pre-trained vgg16 and msvm," Scientific reports, vol. 10, no. 1, p. 2322, 2020.
Y. Ansori and K. F. H. Holle, "Perbandingan metode machine learning dalam analisis sentimen twitter," JUSTIN (Jurnal Sistem dan Teknologi Informasi), vol. 10, no. 4, pp. 429–434, 2022.
N. Noviandi, F. Anastya, M. Roland et al., "Sentiment analisis untuk identifikasi kepuasan masyarakat terhadap kenaikan bbm menggunakan algoritma na¨ıve bayes," JIKO (Jurnal Informatika dan Komputer), vol. 7, no. 2, pp. 287–295, 2023.
M. Subhan, "Klasifikasi emosi manusia dengan metode ensemble stac- king pada data transkrip audio-ke-teks," Ph.D. dissertation, Institut Teknologi Sepuluh November, 2023.
