DETEKSI PENYAKIT BLAS, TUNGRO & BERCAK COKLAT PADA TANAMAN PADI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK

Mustika Tiara; Charistian  Hia; Dicky Ramadhan  Hutasuhut; Enjelina Megawati Hutauruk

doi:10.55338/jumin.v6i3.6462

Authors

Mustika Tiara, Universitas Satya Terra Bhinneka, Indonesia
Charistian Hia, Universitas Satya Terra Bhinneka, Indonesia
Dicky Ramadhan Hutasuhut, Universitas Satya Terra Bhinneka, Indonesia
Enjelina Megawati Hutauruk, Universitas Satya Terra Bhinneka, Indonesia

DOI:

https://doi.org/10.55338/jumin.v6i3.6462

Keywords:

Convolutional, Deteksi, Klasifikasi, Kecerdasan, Padi

Abstract

Produksi padi di Indonesia terus menghadapi tantangan serius akibat serangan penyakit tanaman seperti blas, tungro, dan bercak coklat. Penyakit ini dapat menurunkan hasil panen secara signifikan jika tidak dideteksi secara dini. Penelitian ini dilakukan untuk mengembangkan sistem deteksi otomatis menggunakan metode Convolutional Neural Network (CNN) yang mampu mengklasifikasikan jenis penyakit padi berdasarkan citra daun. Dataset yang digunakan terdiri dari citra daun padi yang diambil langsung dari lapangan (primer) dan juga dataset publik RiceLeafs (sekunder). Data citra diproses melalui tahapan preprocessing dan augmentasi untuk meningkatkan kualitas pelatihan model. Arsitektur CNN dibangun dengan beberapa lapisan konvolusi, pooling, dan fully connected yang dilatih menggunakan optimizer Adam dan fungsi loss categorical crossentropy. Hasil pelatihan menunjukkan akurasi validasi mencapai 100%, dengan loss yang sangat rendah, menandakan kinerja model yang sangat baik. Model juga mampu memprediksi kelas penyakit dari citra baru secara akurat. Penelitian ini menunjukkan bahwa penerapan CNN berpotensi besar sebagai alat bantu diagnosis awal penyakit tanaman padi, sehingga dapat memberikan solusi nyata dalam meningkatkan produktivitas pertanian melalui pendekatan teknologi kecerdasan buatan.

Downloads

Download data is not yet available.

References

A. Jinan, B. H. Hayadi, and U. P. Utama, “Klasifikasi Penyakit Tanaman Padi Mengunakan Metode Convolutional Neural Network Melalui Citra Daun (Multilayer Perceptron),” J. Comput. Eng. Sci., vol. 1, no. 2, pp. 37–44, 2022.

R. Kurniawan and A. Y. Wibowo, “Pendeteksian Penyakit Tanaman Menggunakan Deep Learning Berbasis CNN,” J. MISI, vol. 14, no. 1, pp. 45–52, 2023, doi: 10.33020/misi.v14i1.785.

M. D. Pratama, R. Gustriansyah, and E. Purnamasari, “Klasifikasi Penyakit Daun Pisang Menggunakan Convolutional Neural Network (CNN),” J. Teknol. Terpadu, vol. 10, no. 1, pp. 1–6, 2024, doi: 10.54914/jtt.v10i1.1167.

Y. F. Rachman, P. Susanti, A. Brilyan, R. Pambudi, and A. Putra, “Sistem Informasi Deteksi Penyakit Pada Tanaman Padi ( Brown Spot , Hispa , Leaf Blast ) Menggunakan Metode Convolutional Neural Network ( CNN ),” vol. 4, no. 3, pp. 1193–1204, 2024.

U. S. Rahmadhani and N. L. Marpaung, “Klasifikasi Jamur Berdasarkan Genus Dengan Menggunakan Metode CNN,” J. Inform. J. Pengemb. IT, vol. 8, no. 2, pp. 169–173, 2023, doi: 10.30591/jpit.v8i2.5229.

M. Rijal, A. M. Yani, and A. Rahman, “Deteksi Citra Daun untuk Klasifikasi Penyakit Padi,” J. Teknol. Komput. dan Sist. Inf., vol. 12, no. 1, pp. 22–29, 2024.

A. A. Santosa, R. Y. N. Fu’adah, and S. Rizal, “Deteksi Penyakit pada Tanaman Padi Menggunakan Pengolahan Citra Digital dengan Metode Convolutional Neural Network,” J. Electr. Syst. Control Eng., vol. 6, no. 2, pp. 98–108, 2023, doi: 10.31289/jesce.v6i2.7930.

A. Surya and R. Lestari, “Optimasi Arsitektur CNN untuk Deteksi Penyakit Daun Jagung,” J. Sains dan Teknol., vol. 7, no. 1, pp. 32–39, 2022.

D. Wahyuni, “Analisis Performa Model CNN dalam Pengenalan Objek pada Citra Daun,” J. Teknol. dan Inform., vol. 5, no. 2, pp. 101–107, 2021.

A. Wijaya, “Pengaruh Teknik Augmentasi Terhadap Akurasi Klasifikasi Citra Daun Tanaman,” J. Sist. Cerdas, vol. 11, no. 1, pp. 55–61, 2023.

F. Wulandari and R. Prasetya, “Penerapan Convolutional Neural Network untuk Klasifikasi Penyakit Daun,” J. Teknol. Inf. dan Komput., vol. 4, no. 3, pp. 88–94, 2020.

H. A. Yusuf and A. F. Ardiansyah, “Studi Perbandingan CNN dan SVM dalam Deteksi Penyakit Tanaman Padi,” J. Ilmu Komput. dan Apl., vol. 9, no. 2, pp. 74–80, 2023.

M. A. Ramadhan and N. Fitriani, “Implementasi CNN Untuk Deteksi Dini Penyakit Daun Tanaman Tomat,” J. MISI, vol. 13, no. 2, pp. 66–72, 2022, doi: 10.33020/misi.v13i2.656.

A. A. Santosa, R. Y. N. Fu’adah, and S. Rizal, “Deteksi Penyakit pada Tanaman Padi Menggunakan Pengolahan Citra Digital dengan Metode CNN,” J. Electr. Syst. Control Eng., vol. 6, no. 2, pp. 98–108, 2023, doi: 10.31289/jesce.v6i2.7930.

M. E. Prasetyo, M. R. Faza, R. Pratama, S. N. H. Alhabsy, H. Purwanti, and A. P. A. Masa, “Klasifikasi Ragam Kendaraan Menggunakan Metode Convolutional Neural Network (Cnn),” Adopsi Teknol. dan Sist. Inf., vol. 2, no. 2, pp. 142–148, 2023, doi: 10.30872/atasi.v2i2.1156.