Studi Literatur Klasifikasi Penyakit Daun Dengan Deeplearning Pada Tanaman Kacang
Keywords:
Penyakit Daun, Tanaman Kacang, Deep Learning, Convolutional Neural Networks (CNN), Deteksi Otomatis, Klasifikasi Penyakit, PertanianAbstract
Penyakit daun pada tanaman kacang merupakan ancaman serius bagi produksi pertanian, mempengaruhi keberlanjutan dan ekonomi sektor ini. Deteksi dini dan pemantauan penyakit ini menjadi krusial untuk pengendalian yang efektif dan pencegahan kerugian lebih lanjut. Tradisi identifikasi penyakit melalui observasi visual memiliki keterbatasan, terutama pada skala lahan yang luas dan adanya gejala penyakit yang serupa. Kemajuan dalam kecerdasan buatan, terutama deep learning, menawarkan solusi otomatisasi yang lebih canggih. Metode deep learning, khususnya convolutional neural networks (CNN), telah menunjukkan kemampuan dalam mendeteksi dan mengklasifikasikan penyakit daun pada tanaman, termasuk kacang, dengan akurasi yang menjanjikan. Tinjauan literatur ini mengeksplorasi perkembangan metode deep learning dalam klasifikasi penyakit daun tanaman kacang, menyoroti teknik, akurasi, serta tantangan dalam implementasinya. Tinjauan ini bertujuan memberikan pemahaman komprehensif tentang teknologi ini dalam pemantauan kesehatan tanaman kacang dan mengidentifikasi peluang serta batasan dalam penggunaannya di bidang pertanian.
References
Adege, A. B., Lin, H. P., Tarekegn, G. B., & Jeng, S. S. (2018). Applying deep neural network (DNN) for robust indoor localization in multi-building environment. Applied Sciences (Switzerland), 8(7). https://doi.org/10.3390/app8071062
Al Fadil Syahputra, S., Mita Azizah, N., Aiman, J., Ainun Nikmah, D., & Rosyani, P. (2024). Identifikasi dan Prediksi Umur Bedasarkan Citra Wajah Menggunakan Deep Learning Algoritma Convolutional Neural Network(CNN). Jurnal Artificial Inteligent Dan Sistem Penunjang Keputusan, 2(1), 87–95.
Anggiratih, E., Siswanti, S., Octaviani, S. K., & Sari, A. (2021). Klasifikasi Penyakit Tanaman Padi Menggunakan Model Deep Learning Efficientnet B3 dengan Transfer Learning. Jurnal Ilmiah SINUS, 19(1), 75. https://doi.org/10.30646/sinus.v19i1.526
Auza, H., Bagus Arisila Putra, M., Azril Saputra, M., Hartono, R., & Rosyani, P. (2024). Implementasi Deep Learning untuk Deteksi Wajah dan Ekspresi menggunakan Algoritma Convolutional Neural Network (CNN) dengan OpenCV. Jurnal Artificial Inteligent Dan Sistem Penunjang Keputusan, 1(4), 261–265. https://jurnalmahasiswa.com/index.php/aidanspk
Gramandha Wega Intyanto. (2021). Klasifikasi Citra Bunga dengan Menggunakan Deep Learning: CNN (Convolution Neural Network). https://doi.org/https://doi.org/10.19184/jaei.v7i3.28141
Juan, R., Butar-Butar, H., & Lysbetti Marpaung, N. (2023). Deep Learning untuk Identifikasi Daun Tanaman Obat Menggunakan Transfer Learning MobileNetV2. 8(2).
Noris, S., & Waluyo, A. (2023). Penerapan Deep Learning untuk Klasifikasi Buah Menggunakan Algoritma Convolutional Neural Network (CNN). Jurnal Teknologi Sistem Informasi Dan Aplikasi, 6(1), 39–46. https://doi.org/10.32493/jtsi.v6i1.29648
Nurhasanah Nugraha, S., Pebrianto, R., & Fitri, E. (2023). Penerapan Deep Learning Pada Klasifikasi Tanaman Paprika Berdasarkan Citra Daun Menggunakan Metode CNN. INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS, 8(2), 8000063. https://doi.org/https://doi.org/10.51211/isbi.v8i2.2671
Rosyani, P., Saprudin, S., & Amalia, R. (2021). Klasifikasi Citra Menggunakan Metode Random Forest dan Sequential Minimal Optimization (SMO). Jurnal Sistem Dan Teknologi Informasi (Justin), 9(2), 132. https://doi.org/10.26418/justin.v9i2.44120
Triandini, E., Jayanatha, S., Indrawan, A., Werla Putra, G., & Iswara, B. (2019). Metode Systematic Literature Review untuk Identifikasi Platform dan Metode Pengembangan Sistem Informasi di Indonesia. Indonesian Journal of Information Systems, 1(2), 63. https://doi.org/10.24002/ijis.v1i2.1916
