KLASIFIKASI JENIS PENYAKIT PADI MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK

• SUSANTO
• 14207082

---

ABSTRAK

 

ABSTRAK
Nama : Susanto
NIM : 14207082
Program Studi : Ilmu Komputer
Fakultas : Teknologi Informasi
Jenjang : Strata Dua (S2)
Konsentrasi : Software Engineering
Judul : “Klasifikasi Jenis Penyakit Padi Menggunakan Algoritma
Convolutional Neural Network”
Tanaman padi merupakan salah satu tanaman budidaya yang penting di dunia. Banyak
negara-negara di dunia terutama di Asia menjadikan hasil produksi padi sebagai bahan
makanan pokok sehari-hari, termasuk di Indonesia. Proses penanaman pada padi
biasanya dihadapkan dengan berbagai kendala baik dari luar (hama) maupun kendala
dari dalam (penyakit). Kendala dari luar ini biasanya disebabkan oleh hama seperti
tikus, wareng coklat, penggerek batang, ganjur, keong mas, dsb. Sedangkan kendala
dari dalam biasanya disebabkan oleh penyakit pada tanaman padi itu sendiri seperti,
hawar daun bakteri, bercak coklat, noda palsu, blas, hawar pelepah, busuk batang,
bakteri daun bergaris, dan beberapa penyakit virus seperti kerdil rumput, kerdil hampa,
tungro, dsb. Oleh karena itu, dalam pengelolaan penyakit tanaman hal yang paling
penting adalah menjaga kestabilan pangan karena penyakit pada tanaman dapat terus
berkembang secara terus-menerus dan mengancam pertumbuhan bahkan mengakibatkan
gagal panenuntuk memudahkan dalam pendeteksian dini terhadap penyakit padi
khusunya bagi para petani dan bagi kepentingan dalam industri pertanian agar penyakit
tidak menular dan semakin parah apalagi dewasa ini artificiall intelegence atau
kecerdasan buatan sedang jadi topik yang sering diperbincangkan di beberapa tahun
belakangan ini. Sektor industri pertanian adalah salah satu sektor yang dapat
mengimplementasikan kecerdasan buatan. Sehingga dengan menggunakan teknologi ini
dapat mengetahui penyakit padi melalui citra daunnya dengan membaginya ke dalam
beberapa kategori. Sehingga dibutuhkan kemampuan dalam pengolahan klasifikasi citra,
yang memiliki kemampuan dalam pengolahan citra ini salah satu nya adalah teknik deep
learning dengan metode Convolutional Neural Network (CNN), Oleh karena itu peneliti
menggunakan metode CNN dalam penelitian ini untuk mengklasifikan gambar daun
padi berdasarkan dari jenis penyakitnya. sehingga memberikan dapat menjadi acuan
dalam pengembangan pendeteksian secara otomatis jenis penyakit pada daun padi dan
dapat menjadi masukan atau saran untuk pihak terkait dalam mengembangkan teknologi
Artificial Intelligence pada klasifikasi jenis penyakit pada tanaman padi.
Kata Kunci: Klasifikasi citra, Penyakit padi, hama, kecerdasan buatan, Deep
Learning
 

KATA KUNCI

Klasifikasi Jenis Penyakit,Convolutional Neural Network

---

DAFTAR PUSTAKA

 

DAFTAR REFERENSI
[1] I. d. Zaini, Pengolahan Citra Digital, 2014.
[2] L. F. Basuki, mpelementasi Metode Histograms of Oriented Gradients dengan
Optimasi Algoritma Frei-Chen untuk Deteksi Citra Manusia., 2016.
[3] Munir, Pengolahan Citra Digital, 2004.
[4] N. B. I. d. U. A. A. Febriana, "Perancangan dan Implementasi Histogram of
Oriented Gradients dan K-Nearest Neighbour untuk Deteksi Huruf Hiragana
Jepang Pada Aplikasi Mobile Penerjemah Kata dalam Bahasa Jepang Ke Bahasa
Indonesia Berbasis Android," Perancangan dan Implementasi Histogram of
Oriented Gradients dan K-Nearest Neighbour untuk Deteksi Huruf Hiragana
Jepang Pada Aplikasi Mobile Penerjemah Kata dalam Bahasa Jepang Ke Bahasa
Indonesia Berbasis Android, 2015.
[5] T. S. F. Y. Z. P. W. d. J. Z. Liu, "Implementation of Training Convolutional Neural
Networks," Implementation of Training Convolutional Neural Networks, 2015.
[6] S. Sharma, Activation Functions : Neural Networks, 2017.
[7] N. K. S. M. I. Farhana Tazmim Pinki, "Visual Features based Paddy Leaf Disease
Recognition, its Severity Detection and Remedy Prediction using K-means
Clustering and AdaBoost," Visual Features based Paddy Leaf Disease
Recognition, its Severity Detection and Remedy Prediction using K-means
Clustering and AdaBoost, 2020.
[8] H. K. N. I. H Suryono, "Classification of Paddy Growth Phase with Machine
Learning Algorithms to Handle Imbalanced Multi-Class Big Data," Classification
of Paddy Growth Phase with Machine Learning Algorithms to Handle Imbalanced
Multi-Class Big Data, 2021.
[9] B. L. a. R. M. R. Kovvur, rediction of Biotic Stress in Paddy Crop Using Deep
Convolutional Neural Networks, Springer Singapore, 2020.
[10] B. K. S. D. M. A. Petchiammal A, "Paddy Doctor: A Visual Image Dataset for
Automated Paddy," Paddy Doctor: A Visual Image Dataset for Automated Paddy,
2022.
[11] D. M. B. K. S. P. A. Petchiammal A, Paddy Doctor: A Visual Image Dataset for
Automated Paddy Disease Classification and Benchmarking, 2022.
[12] R. S. 1. T. K. 1. H. G. 1. ,. O. P. V. 1. ,. K. S. 2. ,. T. B. 3. S. A. 4. a. H. K. 5.
Siddhi Jain 1, "Automatic Rice Disease Detection and Assistance Framework
36
Using Deep Learning and a Chatbot," Automatic Rice Disease Detection and
Assistance Framework Using Deep Learning and a Chatbot, 2022.
[13] S. Upadhyay and A. Kumar, A Novel Approach for Rice Plant Diseases
Classification with Deep Convolutional Neural Network., 2021.
[14] M. Tudi, H. Ruan, L. Wang, J. Lyu, R. Sadler, D. Connell, C. Chu and D. Phung,
Agriculture Development, Pesticide Application and Its Impact on the
Environment., 2021.