Muhammad Kholilurrahman, Wahyul Amien Syafei, Oky Dwi Nurhayati
{"title":"Klasifikasi Image Processing Pada Citra Warna Daun Padi Menggunakan Metode Convolutional Neural Network","authors":"Muhammad Kholilurrahman, Wahyul Amien Syafei, Oky Dwi Nurhayati","doi":"10.35799/jis.v23i2.50415","DOIUrl":null,"url":null,"abstract":"Sektor pertanian itu penting untuk memenuhi kebutuhan pangan Dunia, contohnya pertanian tanaman padi di Indonesia, masalah yang terjadi pada tanaman padi biasanya tidak hanya disebabkan oleh pemupukan tetapi juga akibat dari berbagai macam penyakit. Penelitian ini bertujuan untuk mngklasifikasi kebutuhan pupuk nitrogen dan penyakit tanaman berdasarkan warna daun menggunakan metode Convolusional Neural Network (CNN) yang dapat digunakan untuk meningkatkan akurasi pengamatan karena sifatnya objektif. Penelitian ini menggunakan dataset Kaggle dengan total 1600 data dibagi 4 kriteria. Kumpulan data kemudian dibagi menjadi 70 persen bagian pelatihan, 15 persen bagian validasi dan 15 persen bagian uji, kemudian dilakukan preprocessing citra daun padi dengan fitur citra berwarna dan GLCM. Hasil preprocessing tersebut diolah dengan metode CNN untuk memberikan hasil deteksi penyakit tanaman dan kebutuhan pemupukan nitrogen yang tepat. Penghitungan penyakit tanaman dengan metode CNN memberikan akurasi tertinggi sebesar 98,33%. Akurasi tertinggi untuk masalah kebutuhan nitrogen sebesar 81,67%, namun dengan nilai presisi yang sangat rendah yaitu sebesar 4,55%. Penghitungan penyakit tanaman menggunakan metode CNN dapat memberikan hasil yang memuaskan pada dataset citra daun padisehingga dapat dijadikan dasar untuk meningkatkan kualitas bibit. Kata kunci: CNN; gambar daun padi; machine learning","PeriodicalId":17715,"journal":{"name":"JURNAL ILMIAH SAINS","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2023-10-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"JURNAL ILMIAH SAINS","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.35799/jis.v23i2.50415","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
Sektor pertanian itu penting untuk memenuhi kebutuhan pangan Dunia, contohnya pertanian tanaman padi di Indonesia, masalah yang terjadi pada tanaman padi biasanya tidak hanya disebabkan oleh pemupukan tetapi juga akibat dari berbagai macam penyakit. Penelitian ini bertujuan untuk mngklasifikasi kebutuhan pupuk nitrogen dan penyakit tanaman berdasarkan warna daun menggunakan metode Convolusional Neural Network (CNN) yang dapat digunakan untuk meningkatkan akurasi pengamatan karena sifatnya objektif. Penelitian ini menggunakan dataset Kaggle dengan total 1600 data dibagi 4 kriteria. Kumpulan data kemudian dibagi menjadi 70 persen bagian pelatihan, 15 persen bagian validasi dan 15 persen bagian uji, kemudian dilakukan preprocessing citra daun padi dengan fitur citra berwarna dan GLCM. Hasil preprocessing tersebut diolah dengan metode CNN untuk memberikan hasil deteksi penyakit tanaman dan kebutuhan pemupukan nitrogen yang tepat. Penghitungan penyakit tanaman dengan metode CNN memberikan akurasi tertinggi sebesar 98,33%. Akurasi tertinggi untuk masalah kebutuhan nitrogen sebesar 81,67%, namun dengan nilai presisi yang sangat rendah yaitu sebesar 4,55%. Penghitungan penyakit tanaman menggunakan metode CNN dapat memberikan hasil yang memuaskan pada dataset citra daun padisehingga dapat dijadikan dasar untuk meningkatkan kualitas bibit. Kata kunci: CNN; gambar daun padi; machine learning