KLASIFIKASI JENIS PENYAKIT PADA TANAMAN PADI MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK

Bagus Kusuma, Teguh Iman Hermanto, Candra Dewi Lestari

Abstract


Padi adalah tanaman pangan utama di Indonesia dan memiliki peran vital dalam perekonomian serta kehidupan sehari-hari masyarakat. Namun, produksi padi saat ini mengalami penurunan akibat serangan hama dan penyakit. Deteksi dini dan klasifikasi penyakit padi yang akurat sangat penting untuk mengurangi dampak negatif ini. Pada penelitian ini dilakukannpembangunan dan pelatihan model Convolutional Neural Network (CNN) untuk mengenali kondisi kesehatan tanaman padi. Model dilatih dengan dataset citra daun padi dan dioptimasi dengan parameter terbaik yaitu 30 epoch, batch size 45, dan optimizer Lion. Hasil pengujian menunjukkan akurasi 75% untuk data uji dengan loss 59%, dan akurasi 76% untuk data latih dengan loss 61%. Model ini juga berhasil diimplementasikan dalam aplikasi mobile berbasis Android. Penelitian ini diharapkan dapat berkontribusi pada sektor pertanian Indonesia dengan menyediakan alat deteksi penyakit padi yang lebih efisien dan efektif.

Keywords


Convolutional Neural Networks ; Klasifikasi ; Penyakit Padi

References


H. Herdiyanti and E. Sulistyono, “Pertumbuhan dan Produksi Beberapa Varietas Padi (Oryza sativa L.) pada Berbagai Interval Irigasi,” Indonesian Journal of Agronomy, vol. 49, no. 2, pp. 129–135, 2021.

Badan Pusat Statistik, “Luas Panen dan Produksi Padi di Indonesia 2023 (Angka Sementara),” Berita Resmi Statistik, Oct. 16, 2023.

D. M. Saputra, E. Hermawan, and S. Agustian, “KLASIFIKASI KESEHATAN PADA TANAMAN PADI MENGGUNAKAN CITRA UNMANED AERIAL VEHICLE (UAV) DENGAN METODE CONVOLUTIONAL NEURAL NETWORKS (CNN),” Jurnal Ilmiah Teknologi Infomasi Terapan (JITTER), vol. 9, no. 3, 2023.

M. Khoiruddin, A. Junaidi, and W. A. Saputra, “Klasifikasi Penyakit Daun Padi Menggunakan Convolutional Neural Network,” Journal of Dinda: Data Science, Information Technology, and Data Analytics, vol. 2, no. 1, pp. 37–45, 2022.

Y. A. Suwitono and F. J. Kaunang, “Implementasi Algoritma Convolutional Neural Network (CNN) Untuk Klasifikasi Daun Dengan Metode Data Mining SEMMA Menggunakan Keras,” Jurnal Komtika (Komputasi dan Informatika), vol. 6, no. 2, pp. 109–121, 2022.

P. Everton Gomede, “Exploring the Landscape of Optimizers in Keras,” Diakses pada 8 Maret 2024, https://medium.com/aimonks/exploring-the-landscape-of-optimizers-in-keras-c7f1b13ddb63.

X. Chen et al., “Symbolic discovery of optimization algorithms,” Adv Neural Inf Process Syst, vol. 36, 2024.

P. A. H. Pratama, R. Teguh, A. S. Sahay, and V. Wilentine, “Deteksi COVID-19 Berdasarkan Hasil Rontgen Dada (Chest Xray) Menggunakan Python,” Journal of Information Technology and Computer Science, vol. 1, no. 1, pp. 58–67, 2021.

M. M. Ahsan, M. A. P. Mahmud, P. K. Saha, K. D. Gupta, and Z. Siddique, “Effect of data scaling methods on machine learning algorithms and model performance,” Technologies (Basel), vol. 9, no. 3, p. 52, 2021.

G. A. Panharesi and I. G. Anugrah, “Klasifikasi Waktu Penyelesaian Skripsi Mahasiswa Menggunakan Metode Weighted Naive Bayes (Studi Kasus: Program Studi Teknik Informatika Universitas Muhammadiyah Gresik),” 2022.

H. Pratikno, M. R. Pratama, and Y. Triwidyastuti, “Pengenalan Gestur Jari Tangan Sebagai Media Pembelajaran Berhitung Bagi PAUD Berbasis Visi Komputer dan Deep Learning: Pengenalan Gestur Jari Tangan BerbasisVis i Komputer Dan Deep Learning,” Journal of Computer, Electronic, and Telecommunication, vol. 4, no. 1, 2023.




DOI: http://dx.doi.org/10.26798/jiko.v9i1.1395

Article Metrics

Abstract view : 0 times
PDF (Bahasa Indonesia) - 0 times

Refbacks

  • There are currently no refbacks.


Bookmark and Share


Copyright (c) 2025 Bagus Kusuma, Teguh Iman Hermanto, Candra Dewi Lestari

JIKO (Jurnal Informatika dan Komputer)

Published by
Lembaga Penelitian dan Pengabdian Masyarakat
Universitas Teknologi Digital Indonesia (d.h STMIK AKAKOM)

Jl. Raya Janti (Majapahit) No. 143 Yogyakarta, 55198
Telp. (0274)486664

Website : https://www.utdi.ac.id/

e-ISSN : 2477-3964 
p-ISSN : 2477-4413

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.