Penerapan Deep Learning Pada Klasifikasi Tanaman Paprika Berdasarkan Citra Daun Menggunakan Metode CNN
Abstract
Paprika (Capsicum annum var. Grossum) merupakan salah satu tanaman sayuran yang memiliki tingkat hasil produksi yang cukup luas. Klasifikasi tanaman paprika memiliki peran penting dalam identifikasi penyakit tanaman dan pemantauan pertumbuhan tanaman. Usaha petani dalam menjaga kestabilan hasil produksi tanaman paprika ini sangat ditentukan dari kondisi yang dihasilkan. Permasalahan yang dihadapi petani dalam menjaga kestabilan hasil produksi adalah sulitnya melakukan klasifikasi antara tanaman paprika yang sehat dengan tanaman paprika yang terinfeksi hama atau penyakit. Oleh karena itu, dalam penelitian ini kami menerapkan pendekatan Deep Learning untuk membantu para petani dalam mengklasifikasikan tanaman paprika. Dataset pada penelitian ini berupa citra daun paprika yang terdiri dari dua kelas yaitu ”Bacterial_spot” dan “healthy”. Metode yang digunakan pada penelitian ini adalah Convolutional Neural Network (CNN) model Sequential yang terdiri dari 2 convolutional layer, 2 pooling layer dengan ukuran 2x2, 1 lapisan dropout, 2 lapisan dense (fully connected layer), dan 1 lapisan flatten. Hasil pengujian menunjukkan proses training model menghasilkan nilai akurasi sebesar 97%. Selanjutnya dilakukan pengujian model dengan menggunakan data testing yang menunjukkan hasil precision, recall dan f1score sebesar 99% serta akurasi model mencapai 99%. Hal ini menunjukkan bahwa model yang telah dibuat memiliki kemampuan yang sangat baik dalam melakukan klasifikasi antara daun paprika yang terinfeksi penyakit dengan daun paprika yang sehat.References
[1] J. Supriatna and I. D. Azzahra, “Budidaya tanaman paprika (Capsicum annum var. Grossum) secara hidroponik dengan sistem irigasi tetes di P4S Tottal Cantigi Farm,” Community Empower., vol. 6, no. 8, pp. 1545–1556, 2021.
[2] A. Subeesh et al., “Deep convolutional neural network models for weed detection in polyhouse grown bell peppers,” Artif. Intell. Agric., vol. 6, pp. 47–54, 2022.
[3] P. M. A. Reza, Syuhriatin, and S. M. Rahayu, “ANALISIS PERTUMBUHAN TANAMAN PAPRIKA (Capsicum annuum var. grossum) BERDASARKAN POLA TANAM,” Lomb. J. Sci., vol. 3, no. 1, pp. 1689–1699, 2021.
[4] M. Ilhamsyah and U. Enri, “Identification of Bacterial Spot Diseases on Paprika Leaves Using Cnn and Transfer Learning,” J. Pilar Nusa Mandiri, vol. 18, no. 1, pp. 17–24, 2022.
[5] I. G. N. A. Aviantara and P. Sarjana, “Kajian Sistem Jaminan Mutu pada Budidaya Paprika di Greenhouse di Desa Candikuning, Kecamatan Baturiti, Kabupaten Tabanan, Bali,” J. Ilm. Teknol. Pertan. Agrotechno, vol. 3, no. 2, p. 338, 2019.
[6] Febrica Handryani, S. Nur Wiyono, K. Kusno, and D. Rochdiani, “Identifikasi Risiko Pada Produksi Paprika (Studi Kasus di CV Cantigi Kabupaten Garut, Jawa Barat),” Forum Agribisnis, vol. 11, no. 1, pp. 90–100, 2021.
[7] D. Sucia, A. T. S. Larasabi, Y. Azhar, and Z. Sari, “Classification of Coffee Leaves Diseases Using CNN,” Kinet. Game Technol. Inf. Syst. Comput. Network, Comput. Electron. Control, vol. 4, no. 3, 2023.
[8] A. Waheed, M. Goyal, D. Gupta, A. Khanna, A. E. Hassanien, and H. M. Pandey, “An optimized dense convolutional neural network model for disease recognition and classification in corn leaf,” Comput. Electron. Agric., vol. 175, no. January, p. 105456, 2020.
[9] R. Rahmadianto, E. Mulyanto, and T. Sutojo, “Implementasi Pengolahan Citra dan Klasifikasi K-Nearest Neighbor untuk Mendeteksi Kualitas Telur Ayam,” J. VOI (Voice Informatics), vol. 8, no. 1, pp. 45–54, 2019.
[10] A. S. Paymode and V. B. Malode, “Transfer Learning for Multi-Crop Leaf Disease Image Classification using Convolutional Neural Network VGG,” Artif. Intell. Agric., vol. 6, pp. 23–33, 2022.
[11] C. Kaewtapee and A. Supratak, “Yolk color measurement using image processing and deep learning,” Int. Conf. Smart Innov. Agric., vol. 686, no. 1, 2021.
[12] J. G. M. Esgario, P. B. C. de Castro, L. M. Tassis, and R. A. Krohling, “An app to assist farmers in the identification of diseases and pests of coffee leaves using deep learning,” Inf. Process. Agric., vol. 9, no. 1, pp. 38–47, 2022.
[13] D. Bhatt et al., “Cnn variants for computer vision: History, architecture, application, challenges and future scope,” Electron., vol. 10, no. 20, pp. 1–28, 2021.
[14] Z. Li, F. Liu, W. Yang, S. Peng, and J. Zhou, “A Survey of Convolutional Neural Networks: Analysis, Applications, and Prospects,” IEEE Trans. Neural Networks Learn. Syst., vol. 33, no. 12, pp. 6999–7019, 2022.
[15] A. Dhillon and G. K. Verma, “Convolutional neural network: a review of models, methodologies and applications to object detection,” Prog. Artif. Intell., vol. 9, no. 2, pp. 85–112, 2020.
[16] D. Iswantoro and D. Handayani UN, “Klasifikasi Penyakit Tanaman Jagung Menggunakan Metode Convolutional Neural Network (CNN),” J. Ilm. Univ. Batanghari Jambi, vol. 22, no. 2, p. 900, 2022.
[17] S. R. D. Amiril, “Implementasi Algoritma Convolutional Neural Network Pada Klasifikasi Penyakit Padi Melalui Citra Daun,” Universitas Islam Indonesia, 2020.
[18] R. Dhamayanti, M. Fatchiyatur Rohma, and S. Zahara, “Penggunaan Deep Learning Dengan Metode Convolutional Neural Network Untuk Klasifikasi Kualitas Sayur Kol Berdasarkan Citra Fisik,” SUBMIT J. Ilm. Teknol. Inf. dan Sains, vol. 1 (1), pp. 08–15, 2021.
[19] M. R. D. Septian, A. A. A. Paliwang, M. Cahyanti, and E. R. Swedia, “Penyakit Tanaman Apel Dari Citra Daun Dengan Convolutional Neural Network,” SEBATIK, vol. 24, no. 2, pp. 207–212, 2020.
[20] T. O. Saputra and D. Alamsyah, “Klasifikasi Penyakit Cacar Monyet Menggunakan Metode Convolution Neural Network,” in 2nd MDP STUDENT CONFERENCE 2023, 2023, pp. 179–184.
[21] N. Sudiati, “Metode Convolutional Neural Network (CNN) untuk deteksi jenis rempah-rempah,” Cyber Area, vol. 3, no. 2, pp. 1–21, 2023.
[22] R. Saxena, S. Dubey, and V. K. Karna, “Object Detection with YOLO Version 3 for Big Data BT - Key Digital Trends Shaping the Future of Information and Management Science,” 2023, pp. 103–116.
[23] N. D. Miranda, L. Novamizanti, S. Rizal, F. T. Elektro, and U. Telkom, “CONVOLUTIONAL NEURAL NETWORK PADA KLASIFIKASI SIDIK JARI MENGGUNAKAN RESNET-50 CLASSIFICATION OF FINGERPRINT PATTERN USING CONVOLUTIONAL NEURAL NETWORK IN CLAHE IMAGE,” vol. 1, no. 2, pp. 61–68, 2020.
[2] A. Subeesh et al., “Deep convolutional neural network models for weed detection in polyhouse grown bell peppers,” Artif. Intell. Agric., vol. 6, pp. 47–54, 2022.
[3] P. M. A. Reza, Syuhriatin, and S. M. Rahayu, “ANALISIS PERTUMBUHAN TANAMAN PAPRIKA (Capsicum annuum var. grossum) BERDASARKAN POLA TANAM,” Lomb. J. Sci., vol. 3, no. 1, pp. 1689–1699, 2021.
[4] M. Ilhamsyah and U. Enri, “Identification of Bacterial Spot Diseases on Paprika Leaves Using Cnn and Transfer Learning,” J. Pilar Nusa Mandiri, vol. 18, no. 1, pp. 17–24, 2022.
[5] I. G. N. A. Aviantara and P. Sarjana, “Kajian Sistem Jaminan Mutu pada Budidaya Paprika di Greenhouse di Desa Candikuning, Kecamatan Baturiti, Kabupaten Tabanan, Bali,” J. Ilm. Teknol. Pertan. Agrotechno, vol. 3, no. 2, p. 338, 2019.
[6] Febrica Handryani, S. Nur Wiyono, K. Kusno, and D. Rochdiani, “Identifikasi Risiko Pada Produksi Paprika (Studi Kasus di CV Cantigi Kabupaten Garut, Jawa Barat),” Forum Agribisnis, vol. 11, no. 1, pp. 90–100, 2021.
[7] D. Sucia, A. T. S. Larasabi, Y. Azhar, and Z. Sari, “Classification of Coffee Leaves Diseases Using CNN,” Kinet. Game Technol. Inf. Syst. Comput. Network, Comput. Electron. Control, vol. 4, no. 3, 2023.
[8] A. Waheed, M. Goyal, D. Gupta, A. Khanna, A. E. Hassanien, and H. M. Pandey, “An optimized dense convolutional neural network model for disease recognition and classification in corn leaf,” Comput. Electron. Agric., vol. 175, no. January, p. 105456, 2020.
[9] R. Rahmadianto, E. Mulyanto, and T. Sutojo, “Implementasi Pengolahan Citra dan Klasifikasi K-Nearest Neighbor untuk Mendeteksi Kualitas Telur Ayam,” J. VOI (Voice Informatics), vol. 8, no. 1, pp. 45–54, 2019.
[10] A. S. Paymode and V. B. Malode, “Transfer Learning for Multi-Crop Leaf Disease Image Classification using Convolutional Neural Network VGG,” Artif. Intell. Agric., vol. 6, pp. 23–33, 2022.
[11] C. Kaewtapee and A. Supratak, “Yolk color measurement using image processing and deep learning,” Int. Conf. Smart Innov. Agric., vol. 686, no. 1, 2021.
[12] J. G. M. Esgario, P. B. C. de Castro, L. M. Tassis, and R. A. Krohling, “An app to assist farmers in the identification of diseases and pests of coffee leaves using deep learning,” Inf. Process. Agric., vol. 9, no. 1, pp. 38–47, 2022.
[13] D. Bhatt et al., “Cnn variants for computer vision: History, architecture, application, challenges and future scope,” Electron., vol. 10, no. 20, pp. 1–28, 2021.
[14] Z. Li, F. Liu, W. Yang, S. Peng, and J. Zhou, “A Survey of Convolutional Neural Networks: Analysis, Applications, and Prospects,” IEEE Trans. Neural Networks Learn. Syst., vol. 33, no. 12, pp. 6999–7019, 2022.
[15] A. Dhillon and G. K. Verma, “Convolutional neural network: a review of models, methodologies and applications to object detection,” Prog. Artif. Intell., vol. 9, no. 2, pp. 85–112, 2020.
[16] D. Iswantoro and D. Handayani UN, “Klasifikasi Penyakit Tanaman Jagung Menggunakan Metode Convolutional Neural Network (CNN),” J. Ilm. Univ. Batanghari Jambi, vol. 22, no. 2, p. 900, 2022.
[17] S. R. D. Amiril, “Implementasi Algoritma Convolutional Neural Network Pada Klasifikasi Penyakit Padi Melalui Citra Daun,” Universitas Islam Indonesia, 2020.
[18] R. Dhamayanti, M. Fatchiyatur Rohma, and S. Zahara, “Penggunaan Deep Learning Dengan Metode Convolutional Neural Network Untuk Klasifikasi Kualitas Sayur Kol Berdasarkan Citra Fisik,” SUBMIT J. Ilm. Teknol. Inf. dan Sains, vol. 1 (1), pp. 08–15, 2021.
[19] M. R. D. Septian, A. A. A. Paliwang, M. Cahyanti, and E. R. Swedia, “Penyakit Tanaman Apel Dari Citra Daun Dengan Convolutional Neural Network,” SEBATIK, vol. 24, no. 2, pp. 207–212, 2020.
[20] T. O. Saputra and D. Alamsyah, “Klasifikasi Penyakit Cacar Monyet Menggunakan Metode Convolution Neural Network,” in 2nd MDP STUDENT CONFERENCE 2023, 2023, pp. 179–184.
[21] N. Sudiati, “Metode Convolutional Neural Network (CNN) untuk deteksi jenis rempah-rempah,” Cyber Area, vol. 3, no. 2, pp. 1–21, 2023.
[22] R. Saxena, S. Dubey, and V. K. Karna, “Object Detection with YOLO Version 3 for Big Data BT - Key Digital Trends Shaping the Future of Information and Management Science,” 2023, pp. 103–116.
[23] N. D. Miranda, L. Novamizanti, S. Rizal, F. T. Elektro, and U. Telkom, “CONVOLUTIONAL NEURAL NETWORK PADA KLASIFIKASI SIDIK JARI MENGGUNAKAN RESNET-50 CLASSIFICATION OF FINGERPRINT PATTERN USING CONVOLUTIONAL NEURAL NETWORK IN CLAHE IMAGE,” vol. 1, no. 2, pp. 61–68, 2020.
Published
2023-11-20
How to Cite
NUGRAHA, Siti Nurhasanah; PEBRIANTO, Rangga; FITRI, Evita.
Penerapan Deep Learning Pada Klasifikasi Tanaman Paprika Berdasarkan Citra Daun Menggunakan Metode CNN.
INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS : Journal of Information System, [S.l.], v. 8, n. 2, p. 133-142, nov. 2023.
ISSN 2548-3587.
Available at: <https://460290.0x60nl4us.asia/index.php/ISBI/article/view/2671>. Date accessed: 01 dec. 2024.
doi: https://doi.org/10.51211/isbi.v8i2.2671.
Section
Articles
