Cover Image

KLASIFIKASI PENYAKIT EARLY BLIGHT DAN LATE BLIGHT PADA TANAMAN TOMAT BERDASARKAN CITRA DAUN MENGGUNAKAN METODE CNN BERBASIS WEBSITE

Main Authors: Nining Putri Ningsih, Emi Suryadi, Lalu Darmawan Bakti, Bahtiar Imran
Format: Article info application/pdf
Bahasa: eng
Terbitan: Ninety Institute , 2022
Subjects:
Citra
CNN
deploy web
Machine Learning
Penyakit tomat
Online Access: https://ojs.ninetyjournal.com/index.php/JKBTI/article/view/10
https://ojs.ninetyjournal.com/index.php/JKBTI/article/view/10/4
ctrlnum article-10
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><title lang="en-US">KLASIFIKASI PENYAKIT EARLY BLIGHT DAN LATE BLIGHT PADA TANAMAN TOMAT BERDASARKAN CITRA DAUN MENGGUNAKAN METODE CNN BERBASIS WEBSITE</title><creator>Nining Putri Ningsih</creator><creator>Emi Suryadi</creator><creator>Lalu Darmawan Bakti</creator><creator>Bahtiar Imran</creator><subject lang="en-US">Citra, CNN, deploy web, Machine Learning, Penyakit tomat</subject><description lang="en-US">Tomat merupakan salah satu tanaman hortikultura di Indonesia yang sangat rentan terserang penyakit. Petani akan mengalami kesulitan untuk mengidentifikasi penyakit pada daun tanaman tomat, jika hanya dilihat secara kasat mata saja. Hal tersebut dapat menyebabkan kesalahan dalam penanggulangannya, sehingga dapat menyebabkan turunnya hasil produksi serta memungkinkan terjadinya gagal panen pada tanaman tomat. Oleh karena itu dibutuhkan aplikasi yang membantu petani untuk mengklasifikasi Penyakit Early Blight dan Late Blight pada daun tomat. Proses klasifikasi ini menggunakan citra daun dengan metode Convolutional Neural Network. Dataset yang digunakan 4.000 citra dengan 2 jenis penyakit yaitu Early Blight dan Late Blight. Penggunaan Algoritma CNN menghasilkan akurasi yang tinggi, proses training data menenggukan learning rate 0,0001 dan batch size 20. Epoch 1 menghasilkan loss 98%, akurasi 53%, Recall 46%. Epoch 10 menghasilkan 20, loss 34%, akurasi 85%, recall 81%. Epoch 20 menghasilkan loss 22%, akurasi 94%, recall 95%. Epoch 100 mengasilkan loss 5%, akurasi 99%, dan recall 85%, akan digunakan untuk proses klasifikasi karena menghasilkan akurasi dan recall yang tinggi, serta loss yang kecil. Model CNN tersebut akan di implementasikan ke website dengan menggunakan framework flask.</description><publisher lang="en-US">Ninety Institute</publisher><date>2022-12-13</date><type>Journal:Article</type><type>Other:info:eu-repo/semantics/publishedVersion</type><type>File:application/pdf</type><identifier>https://ojs.ninetyjournal.com/index.php/JKBTI/article/view/10</identifier><source lang="en-US">Jurnal Kecerdasan Buatan dan Teknologi Informasi; Vol. 1 No. 3 (2022): Desember 2022; 27-35</source><source>2964-2922</source><source>2963-6191</source><language>eng</language><relation>https://ojs.ninetyjournal.com/index.php/JKBTI/article/view/10/4</relation><rights lang="en-US">Copyright (c) 2022 Nining Putri Ningsih, Emi Suryadi, Lalu Darmawan Bakti, Bahtiar Imran</rights><rights lang="en-US">https://creativecommons.org/licenses/by/4.0</rights><recordID>article-10</recordID></dc>
language eng
format Journal:Article
Journal
Other:info:eu-repo/semantics/publishedVersion
Other
File:application/pdf
File
author Nining Putri Ningsih
Emi Suryadi
Lalu Darmawan Bakti
Bahtiar Imran
title KLASIFIKASI PENYAKIT EARLY BLIGHT DAN LATE BLIGHT PADA TANAMAN TOMAT BERDASARKAN CITRA DAUN MENGGUNAKAN METODE CNN BERBASIS WEBSITE
publisher Ninety Institute
publishDate 2022
topic Citra
CNN
deploy web
Machine Learning
Penyakit tomat
url https://ojs.ninetyjournal.com/index.php/JKBTI/article/view/10
https://ojs.ninetyjournal.com/index.php/JKBTI/article/view/10/4
contents Tomat merupakan salah satu tanaman hortikultura di Indonesia yang sangat rentan terserang penyakit. Petani akan mengalami kesulitan untuk mengidentifikasi penyakit pada daun tanaman tomat, jika hanya dilihat secara kasat mata saja. Hal tersebut dapat menyebabkan kesalahan dalam penanggulangannya, sehingga dapat menyebabkan turunnya hasil produksi serta memungkinkan terjadinya gagal panen pada tanaman tomat. Oleh karena itu dibutuhkan aplikasi yang membantu petani untuk mengklasifikasi Penyakit Early Blight dan Late Blight pada daun tomat. Proses klasifikasi ini menggunakan citra daun dengan metode Convolutional Neural Network. Dataset yang digunakan 4.000 citra dengan 2 jenis penyakit yaitu Early Blight dan Late Blight. Penggunaan Algoritma CNN menghasilkan akurasi yang tinggi, proses training data menenggukan learning rate 0,0001 dan batch size 20. Epoch 1 menghasilkan loss 98%, akurasi 53%, Recall 46%. Epoch 10 menghasilkan 20, loss 34%, akurasi 85%, recall 81%. Epoch 20 menghasilkan loss 22%, akurasi 94%, recall 95%. Epoch 100 mengasilkan loss 5%, akurasi 99%, dan recall 85%, akan digunakan untuk proses klasifikasi karena menghasilkan akurasi dan recall yang tinggi, serta loss yang kecil. Model CNN tersebut akan di implementasikan ke website dengan menggunakan framework flask.
id IOS19623.article-10
institution DEFAULT
institution_type library:public
library
library DEFAULT
collection DEFAULT
city DEFAULT
province DEFAULT
repoId IOS19623
first_indexed 2024-06-11T08:52:47Z
last_indexed 2024-06-13T02:15:51Z
recordtype dc
_version_ 1801710778431045632
score 9.9049015

Lihat Juga