KLASIFIKASI CITRA PENYAKIT PADA DAUN ANGGUR MENGGGUNAKAN SEGMENTASI K-MEANS DAN TRANSFER LEARNING VGG16

• MOH. ARIE HASAN
• 14002250

---

ABSTRAK

ABSTRAK

Nama

: 

Moh. Arie Hasan

 

NIM

:

14002250

 

Program Studi

:

Ilmu Komputer

 

Jenjang
 

:

Strata Dua (S2)

 

Konsentrasi

:

Image Processing

 

Judul

:

“Klasifikasi Citra Penyakit Pada Daun Anggur Mengggunakan Segmentasi K-Means Dan Transfer Learning VGG16”

Adanya beberapa penyakit yang dapat menyerang buah anggur dapat menyebabkan pertumbuhan tanaman anggur menjadi terganggu. Identifikasi dan penanggulangan suatu penyakit tanaman anggur dapat dilakukan oleh seorang ahli tanaman namun hal ini dapat menyebabkan ketergantungan terhadap kehadiran seorang ahli dan mengakibatkan proses identifikasi dan penyembuhan tanaman terhambat. Oleh karena itu dibutuhkan suatu sistem komputer yang dapat digunakan oleh para petani sebagai pengganti peran seorang pakar apabila terdapat kendala. Dalam perkembangan ilmu pengetahuan dan teknologi, cara untuk mengklasifikasi penyakit pada daun anggur dapat dilakukan dengan bantuan pengolahan citra. Penelitian ini bertujuan melakukan pengolahan citra berupa segmentasi menggunakan algoritma k-means clustering. Selanjutnya dilakukan proses ekstraksi fitur dengan menggunakan teknik transfer learning VGG16 dan klasifikasi menggunakan CNN. Hasil dari penelitian ini diperoleh akurasi model CNN sebesar 99,50%. Pengujian dengan menggunakan data tes menghasilkan akurasi sebesar 97,25% sedangkan dengan data tes di luar dataset yang digunakan diperoleh akurasi sebesar 95%.

 

Kata kunci: K-Means, Transfer Learning, klasifikasi, CNN

KATA KUNCI

Metode K-means

---

DAFTAR PUSTAKA

DAFTAR PUSTAKA

 

Adeel, A., Attique, M., Tallha, K., Yasmin, M., Saba, T., & Javed, K. (2020). Entropy-controlled deep features selection framework for grape leaf diseases recognition. April, 1–17. https://doi.org/10.1111/exsy.12569

Agrawal, N., & Singhai, J. (2017). Grape leaf disease detection and classification using multi-class support vector machine. 2017 International Conference on Recent Innovations in Signal Processing and Embedded Systems (RISE), 238–244. https://doi.org/10.1109/RISE.2017.8378160

Aguirre-Pablo, A. A., Alarfaj, M. K., Li, E. Q., Hernández-Sánchez, J. F., & Thoroddsen, S. T. (2017). Tomographic Particle Image Velocimetry using Smartphones and Colored Shadows. Scientific Reports, 7(1). https://doi.org/10.1038/s41598-017-03722-9

Alamsyah, D., & Pratama, D. (2019). Segmentasi Warna Citra Bunga Daisy dengan Algoritma K-Means pada Ruang Warna Lab. 153–163.

Alfianika, N. (2018). Buku ajar metode penelitian pengajaran bahasa Indonesia. Deepublish.

Amin, M. Y. (2020). Sistem Pakar Diagnosis Penyakit Buah Anggur Menggunakan Metode Dempster Shafer Berbasis Web. 115090607111036, 1–7.

Aravind, KR and Raja, P and Aniirudh, R and Mukesh, KV and Ashiwin, R and Vikas, G. (2018). Grape Crop Disease Classification Using Transfer Learning Approach (Vol. 2018). International Conference on ISMAC in Computational Vision and Bio-Engineering. https://doi.org/10.1007/978-3-030-00665-5

B, B. L., Zhang, X., Gao, Z., & Chen, L. (2018). Weld Defect Images Classification with VGG16-Based Neural Network. 215–223. https://doi.org/10.1007/978-981-10-8108-8

Baziyad, M., Rabie, T., & Kamel, I. (2019). Extending steganography payload capacity using the L∗a∗b∗ color space. Proceedings of the 2018 13th International Conference on Innovations in Information Technology, IIT 2018, 1–6. https://doi.org/10.1109/INNOVATIONS.2018.8606008

Cristin, R., Kumar, B. S., Priya, C., & Karthick, K. (2020). Deep neural network based Rider-Cuckoo Search Algorithm for plant disease detection Deep neural network based Rider ? Cuckoo Search Algorithm for plant disease detection. Artificial Intelligence Review, February. https://doi.org/10.1007/s10462-020-09813-w

Darmanto, H. (2019). Pengenalan Spesies Ikan Berdasarkan Kontur Otolith. 2.

Guo, T., Dong, J., Li, H., & Gao, Y. (2017). Simple convolutional neural network on image classification. 2017 IEEE 2nd International Conference on Big Data Analysis (ICBDA), 721–724. https://doi.org/10.1109/ICBDA.2017.8078730

Hidayati, P. I. (2018). Analisis Hama pada Tanaman Anggur dengan Pendekatan Metode CF (Certainty Factor) Berbasis Mobile Android. SMATIKA JURNAL, 53(9), 1689–1699. https://doi.org/10.1017/CBO9781107415324.004

Krithika, N and Selvarani, A. G. (2017). An Individual Grape Leaf Disease Identification Using Leaf Skeletons and KNN Classification. 2017 International Conference on Innovations in Information, Embedded and Communication Systems (ICIIECS).

Kurniastuti, T. (2016). PENGARUH BERBAGAI MACAM PANJANG STEK TERHADAP PERTUMBUHAN BIBIT ANGGUR ( Vitis vinivera L .). Ilmu Pertanian, Kehutanan Dan Agroteknologi, 17(1), 1–7.

New Plant Diseases Dataset | Kaggle. (2018). https://www.kaggle.com/vipoooool/new-plant-diseases-dataset

Padmo A.M, A., & Murinto, M. (2016). Segmentasi Citra Batik Berdasarkan Fitur Tekstur Menggunakan Metode Filter Gabor Dan K-Means Clustering. Jurnal Informatika, 10(1), 1173–1179. https://doi.org/10.26555/jifo.v10i1.a3349

Padol, P. B., & Yadav, A. A. (2016). SVM classifier based grape leaf disease detection. Conference on Advances in Signal Processing, CASP 2016, 175–179. https://doi.org/10.1109/CASP.2016.7746160

Patil, R., Udgave, S., More, S., Nemishte, D., & Kasture, M. (2016). Grape Leaf Disease Detection Using K-means Clustering Algorithm. 2330–2333.

Putra, I. W. S. E., Wijaya, A. Y., & Soelaiman, R. (2016). Klasifikasi Citra Menggunakan Convolutional Neural Network ( Cnn ) Pada Caltech 101 Image Classfication Using Convolution Neural Network ( Cnn ) on Caltech 101. Institut Teknologi Sepuluh November.

Rezende, E., Ruppert, G., Carvalho, T., Theophilo, A., Ramos, F., & de Geus, P. (2018). Malicious Software Classification Using VGG16 Deep Neural Network’s Bottleneck Features. Advances in Intelligent Systems and Computing, 738, 51–59. https://doi.org/10.1007/978-3-319-77028-4_9

Sadewo, M. G., Windarto, A. P., & Hartama, D. (2017). Penerapan Datamining Pada Populasi Daging Ayam Ras Pedaging Di Indonesia Berdasarkan Provinsi Menggunakan K-Means Clustering. InfoTekJar (Jurnal Nasional Informatika Dan Teknologi Jaringan), 2(1), 60–67. https://doi.org/10.30743/infotekjar.v2i1.164

Sihombing, O., Buulolo, E., Siburian, H. K., Batak, G., & Morfologis, M. O. (2018). Hasil Segmentasi Citra Digital Gorga Batak. 2, 40–48.

Sinaga, A. S. (2019). SEGMENTASI RUANG WARNA L*a*b. Jurnal Mantik Penusa, 3(1), 43–46.

Tutut Furi Kusumaningrum. (2018). Implementasi Convolution Neural Network (Cnn) Untuk Klasifikasi Jamur Konsumsi Di Indonesia Menggunakan Keras. 7, 1–25.

Tyas, D., Hapsari, P., Dian, U., Dian, U., Dian, U., & Dian, U. (2018). Face Detection Using Haar Cascade in Difference Illumination. 2018 International Seminar on Application for Technology of Information and Communication, 555–559.

Widiastuti, L. (2018). Pemilihan Fitur Pada Analisis Sentimen Review Travel Online Menggunakan Algoritma Naïve Bayes Dalam Penerapan Mutual Information Dan Particle Swarm Optimization ( PSO ). IJCIT (Indonesian Journal on Computer and Information Technology), 3(1), 10.

Zainuddin, M., Sianturi, L. T., & Hondro, R. K. (2017). Implementasi Metode Robinson Operator 3 Level Untuk Mendeteksi Tepi Pada Citra Digital. Jurnal Riset Komputer (JURIKOM), 4(4), 1–5.

Zebua, T., & Ndruru, E. (2017). Pengamanan Citra Digital Berdasarkan Modifikasi Algoritma RC4. Jurnal Teknologi Informasi Dan Ilmu Komputer, 4(4), 275. https://doi.org/10.25126/jtiik.201744474

Zhang, S., Wang, H., Huang, W., & You, Z. (2018). Optik Plant diseased leaf segmentation and recognition by fusion of. Optik - International Journal for Light and Electron Optics, 157, 866–872. https://doi.org/10.1016/j.ijleo.2017.11.190

Zhu, J., & Wu, A. (2019). Identification of grape diseases using image analysis and BP neural networks.

Zufar, M. (2016). Convolutional Neural Networks untuk Pengenalan Wajah Secara Real - Time. 5(2), 72–77.