IDENTIFIKASI PENYAKIT TUMBUHAN TOMAT DAN ANGGUR MENGGUNAKAN CNN DENGAN ARSITEKTUR VGG-16

Fadllin Fadlu Rahman
Nunik Pratiwi


DOI: https://doi.org/10.29100/jipi.v10i1.5663

Abstract


Tanaman tomat dan anggur dikenal sebagai tanaman yang populer di Indonesia. Mayoritas penyakit yang menyerang kedua tanaman ini dapat teridentifikasi melalui gejala yang muncul pada daunnya. Penelitian ini mengusulkan identifikasi penyakit tanaman tomat dan tanaman anggur menggunakan algoritma Convolutional Neural Network dengan arsitektur VGG-16 didalamnya dengan tujuan membantu masyarakat yang memiliki kedua tanaman tersebut agar dapat menganalisis penyakit dari tanaman anggur dan tanaman tomat. Hasil akurasi yang berhasil diperoleh dari penelitian ini dengan ujicoba epoch sebanyak 100 menghasilkan akurasi sebesar 92% dari total sampel data sebanyak 10.717 yang Merupakan gabungan dari penyakit tanaman anggur dan tanaman tomat. Penyakit tanaman anggur yang digunakan yaitu black rot, esca, healthy, dan leaf blight. Sedangkan penyakit tanaman tomat yang digunakan yaitu bacteria spot, early blight, healthy, late blight, leaf mold, septoria leaf spot, spider mites, target spot, mosaic virus, dan yellow leaf curl virus.

Keywords


Tomat; Anggur; Penyakit; Convolutional Neural Network; VGG-16

Full Text:

PDF

Article Metrics :

References


S. I. Kusumaningrum, “Pemanfaatan Sektor Pertanian Sebagai Penunjang Pertumbuhan Perekonomian Indonesia,” J. Transaksi, vol. 11, no. 1, pp. 80–89, 2019, [Online]. Available: http://ejournal.atmajaya.ac.id/index.php/transaksi/article/view/477

P. A. P. Huda, A. A. Riadi, and Evanita, “Klasifikasi Penyakit Tanaman Pada Daun Apel Dan Anggur Menggunakan Convolutional Neural Networks,” JUMIKA J. Manaj. Inform., vol. 8, no. 1, pp. 10–17, 2021.

R. Soekarta, N. Nurdjan, and A. Syah, “Klasifikasi Penyakit Tanaman Tomat Menggunakan Metode Convolutional Neural Network (CNN),” Insect (Informatics Secur. J. Tek. Inform., vol. 8, no. 2, pp. 143–151, 2023, doi: 10.33506/insect.v8i2.2356.

C. R. Kotta, D. Paseru, M. Sumampouw, T. Informatika, U. Katolik De La Salle Manado, and K. I. Kombos Manado -, “Implementasi Metode Convolutional Neural Network untuk Mendeteksi Penyakit pada Citra Daun Tomat,” Jurnal_Pekommas_Vol._7_No, vol. 2, pp. 123–132, 2022.

A. G. Sooai, P. A. Nani, N. M. R. Mamulak, C. O. Sianturi, S. C. Sianturi, and A. H. Mondolang, “Klasifikasi Citra Daun Anggur Menggunakan SVM Kernel Linear,” JOINTECS (Journal Inf. Technol. Comput. Sci., vol. 8, no. 1, p. 19, 2023, doi: 10.31328/jointecs.v8i1.4496.

T. Wahyudi, “Studi Kasus Pengembangan dan Penggunaan Artificial Intelligence (AI) Sebagai Penunjang Kegiatan Masyarakat Indonesia,” Indones. J. Softw. Eng., vol. 9, no. 1, pp. 28–32, 2023, [Online]. Available: https://ejournal.bsi.ac.id/ejurnal/index.php/ijse

I. Buyung, A. Q. Munir, N. W. S., and L. Listyalina, “Identifying Types of Waste as Efforts in Plastic Waste Management Based on Deep Learning,” Telemat. J. Inform. dan Teknol. Inf., vol. 20, no. 3, pp. 362–372, 2023, doi: 10.31515/telematika.v20i3.10804.

S. R. Suartika E. P, I Wayan, Wijaya Arya Yudhi, “Klasifikasi Citra Menggunakan Convolutional Neural Network (CNN) Pada Caltech 101,” J. Tek. ITS, vol. 5, no. 1, p. 76, 2016, [Online]. Available: http://repository.its.ac.id/48842/

R. F. Alya, M. Wibowo, and P. Paradise, “Classification of Batik Motif Using Transfer Learning on Convolutional Neural Network (Cnn),” J. Tek. Inform., vol. 4, no. 1, pp. 161–170, 2023, doi: 10.52436/1.jutif.2023.4.1.564.

R. C. Sigitta, R. H. Saputra, and F. Fathulloh, “Deteksi Penyakit Tomat melalui Citra Daun menggunakan Metode Convolutional Neural Network,” Avitec, vol. 5, no. 1, p. 43, 2023, doi: 10.28989/avitec.v5i1.1404.

A. J. Rozaqi, A. Sunyoto, and M. rudyanto Arief, “Deteksi Penyakit Pada Daun Kentang Menggunakan Pengolahan Citra dengan Metode Convolutional Neural Network,” Creat. Inf. Technol. J., vol. 8, no. 1, p. 22, 2021, doi: 10.24076/citec.2021v8i1.263.

M. A. Hasan, Y. Riyanto, and D. Riana, “Grape leaf image disease classification using CNN-VGG16 model,” J. Teknol. dan Sist. Komput., vol. 9, no. 4, pp. 218–223, 2021, doi: 10.14710/jtsiskom.2021.14013.

K. Kusumaningtyas et al., “Tweet Analysis of Mental Illness Using K-Means Clustering and Support Vector Machine Analisis Tweet Gangguan Kesehatan Mental Menggunakan K-Means Clustering dan Support Vector Machine,” J. Inform. dan Teknol. Inf., vol. 20, no. 3, pp. 295–308, 2023, doi: 10.31515/telematika.v20i3.9820.

M. R. Efrian and U. Latifa, “Image Recognition Berbasis Convolutional Neural Network (Cnn) Untuk Mendeteksi Penyakit Kulit Pada Manusia,” Power Elektron. J. Orang Elektro, vol. 11, no. 2, p. 276, 2022, doi: 10.30591/polektro.v12i1.3874.

E. P. Lanang, S. Saidah, and F. Alia, “Klasifikasi Kanker Kulit Menggunakan Model Cnn Dengan Arsitektur Vgg-16 Classification Of Skin Cancer Using Cnn Model With Vgg-16 Architecture,” e-Proceeding Eng., vol. 9, no. 2, pp. 467–475, 2022.

Nurkhasanah and Murinto, “Klasifikasi Penyakit Kulit Wajah Menggunakan Metode Convolutional Neural Network Classification of Facial Skin Diseases Using the Method of the Convolutional Neural Network,” Sainteks, vol. 18, no. 2, pp. 183–190, 2021.

M. F. Naufal and S. F. Kusuma, “Pendeteksi Citra Masker Wajah Menggunakan CNN dan Transfer Learning,” J. Teknol. Inf. dan Ilmu Komput., vol. 8, no. 6, p. 1293, 2021, doi: 10.25126/jtiik.2021865201.

K. Azmi, S. Defit, and S. Sumijan, “Implementasi Convolutional Neural Network (CNN) Untuk Klasifikasi Batik Tanah Liat Sumatera Barat,” J. Unitek, vol. 16, no. 1, pp. 28–40, 2023, doi: 10.52072/unitek.v16i1.504.

D. Prasetyawan and S. Uyun, “Penentuan Emosi pada Video dengan Convolutional Neural Network,” vol. 5, no. 1, pp. 23–35, 2020.

E. A. N. Munfaati and A. Witanti, “Klasifikasi Buah dan Sayuran Segar atau Busuk Menggunakan Convolutional Neural Network,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 9, no. 1, pp. 27–38, 2024, doi: 10.14421/jiska.2024.9.1.27-38.