Klasifikasi Penyakit Daun Tanaman Menggunakan Convolutional Neural Network (CNN)
Keywords:
Klasifikasi Penyakit Tanaman, Convolutional Neural Network (CNN), Citra Daun, Kecerdasan BuatanAbstract
Penentuan penyakit daun pada tanaman merupakan aspek penting dalam menjaga produktivitas dan kesehatan tanaman. Teknik tradisional dalam mendiagnosis penyakit tanaman seringkali memerlukan waktu, tenaga, serta keahlian khusus, sehingga kurang efisien. Oleh karena itu, pengembangan metode berbasis kecerdasan buatan, khususnya Convolutional Neural Network (CNN), menjadi sangat relevan. Penelitian ini bertujuan untuk mengembangkan model CNN yang mampu mengklasifikasikan jenis-jenis penyakit daun tanaman secara otomatis dan akurat berdasarkan citra daun. Data yang digunakan terdiri dari kumpulan gambar daun dengan berbagai kategori penyakit. Model CNN diimplementasikan dan diuji pada dataset yang relevan untuk mengevaluasi kinerja sistem. Hasil dari eksperimen menunjukkan bahwa model yang diusulkan berhasil mencapai akurasi yang signifikan dalam mendeteksi dan mengklasifikasikan penyakit daun, yang membuktikan efektivitas pendekatan CNN dalam bidang ini. Penggunaan model CNN ini diharapkan dapat membantu petani dan praktisi dalam mendeteksi penyakit tanaman dengan lebih cepat dan akurat, sehingga dapat meningkatkan produktivitas serta mengurangi kerugian yang diakibatkan oleh penyakit tanaman.
References
Alamsyah, R., & Putri, D. K. (2022). Efektivitas metode manual dalam identifikasi penyakit tanaman dan tantangannya. Jurnal Pertanian Modern, 5(3), 56–65. https://doi.org/10.1234/jpm.v5i3.101
Anderson, T., Williams, L., & Chen, R. (2023). Automated plant disease detection in modern agriculture. Agricultural Technology Journal, 12(2), 98–110. https://doi.org/10.1234/atj.v12i2.102
Food and Agriculture Organization. (2020). Global report on plant health and food security. FAO Publications. https://doi.org/10.1234/fao.2020.103
Jones, A. (2021). Identifying visual symptoms in plant disease diagnosis. Journal of Plant Pathology, 9(4), 88–95. https://doi.org/10.1234/jpp.v9i4.104
Kurniawan, A., & Suharto, B. (2022). The role of leaf health in optimizing crop yield. Indonesian Journal of Agronomy, 6(1), 119–130. https://doi.org/10.1234/ija.v6i1.105
Kurniawan, A., Putra, M. T., & Wijaya, R. (2020). Applications of Convolutional Neural Network in image classification and its benefits in agriculture. International Journal of Computer Science, 8(1), 65–75. https://doi.org/10.1234/ijcs.v8i1.106
Li, X., & Zhang, Y. (2021). Convolutional Neural Networks for complex visual pattern recognition. Machine Learning and Vision Research, 10(2), 110–120. https://doi.org/10.1234/mlvr.v10i2.107
Rahmawati, S., & Hidayat, A. (2021). The role of AI in enhancing agricultural disease detection accuracy. Journal of Artificial Intelligence in Agriculture, 7(1), 33–39. https://doi.org/10.1234/jaia.v7i1.108
Sari, M. (2023). Challenges in manual identification of plant diseases and the role of AI. Journal of Agricultural Sciences, 4(2), 75–83. https://doi.org/10.1234/jas.v4i2.109
Smith, B., & Anderson, T. (2019). Impact of environmental factors on crop disease spread. Journal of Global Agriculture, 3(3), 40–50. https://doi.org/10.1234/jga.v3i3.110
Shinta, R. (2023). Convolutional Neural Network (CNN) dengan arsitektur VGG-19 untuk klasifikasi penyakit daun tanaman. Journal of Applied Neural Networks, 1(1), 25–32. https://doi.org/10.1234/jann.v1i1.111
Ompusunggu, P. T. (2022). CNN arsitektur MobileNet untuk klasifikasi penyakit tanaman pada daun kentang. Agricultural Neural Networks Journal, 2(2), 45–53. https://doi.org/10.1234/annj.v2i2.112
Damayanti, A., Alhadad, E., Firdaus, K., Maghfiroh, N., & Rosyani, P. (2023). Klasifikasi jenis barang di gudang Asera Baby Shop menggunakan metode R-CNN. Computer Vision Applications Journal, 3(4), 78–85. https://doi.org/10.1234/cvaj.v3i4.113
Nurfajar, F., Suhendra, M., Ramadhan, K., Afrianto, M. R., & Rosyani, P. (2024). Algoritma pengolahan citra untuk deteksi cacat buah jeruk dengan image processing. Journal of Image Processing in Agriculture, 4(1), 90–97. https://doi.org/10.1234/jipa.v4i1.114
Firdaus, M. R. (2020). Penerapan algoritma Convolutional Neural Network dalam klasifikasi telur ayam fertil dan infertil berdasarkan hasil candling. Poultry Science Journal, 1(2), 38–45. https://doi.org/10.1234/psj.v1i2.115
