Identifikasi Penyakit Virus Kuning pada Tanaman Cabai dengan Pendekatan CNN

Muhamad Rizki Ridhwan; Hudori Hudori

doi:10.36350/jskom.v2i1.81

Penulis

Muhamad Rizki Ridhwan Universitas Binaniaga Indonesia Penulis
Hudori Universitas Binaniaga Indonesia Penulis

DOI:

https://doi.org/10.36350/jskom.v2i1.81

Kata Kunci:

Yellow Virus, Chili, Convolutional Neural Network, MobileNetV2, PSSUQ

Abstrak

Penyakit virus kuning merupakan salah satu gangguan utama yang sering menyerang tanaman cabai. Penelitian ini bertujuan untuk menerapkan
pendekatan machine learning berbasis Convolutional Neural Network (CNN) dalam mengidentifikasi penyakit virus kuning secara lebih cepat dan
akurat. Data citra diperoleh dari dataset penelitian, kemudian diproses melalui tahapan pre-processing dan pelatihan model CNN dengan evaluasi
menggunakan Confusion Matrix. Hasil pengujian menunjukkan nilai akurasi 83,33%, presisi 83,33%, recall 83,33%, dan F1-Score 83,33%. Selain
itu, uji kelayakan melalui kuesioner PSSUQ memperoleh skor kepuasan keseluruhan sebesar 97,92%. Dengan demikian, penelitian ini membuktikan
bahwa penerapan algoritma CNN pada sistem berbasis web mampu memberikan prediksi yang cukup akurat dan efektif dalam mengidentifikasi
penyakit virus kuning pada tanaman cabai.

Unduhan

Data unduhan tidak tersedia.

Referensi

[1] Asie, E. R., & M. Hidayat, M. M. S. R. P. M. (2023). Teknologi Produksi Tanaman Sayuran. Penerbit P4I. https://books.google.co.id/books?id=J7OpEAAAQBAJ

[2] D. Tejaswi, T. Sri Vaishnavi, B. Nandini, P. Nuka Raju, & D. Jayanth Babu. (2024). Plant disease detection using deep learning. International Journal of Science and Research Archive, 12(1), 2476–2488. https://doi.org/10.30574/ijsra.2024.12.1.1043

[3] Ghosh, H., Rahat, I. S., Shaik, K., Khasim, S., & Yesubabu, M. (2023). Potato Leaf Disease Recognition and Prediction using Convolutional Neural Networks. EAI Endorsed Transactions on Scalable Information Systems, 10(6). https://doi.org/10.4108/eetsis.3937

[4] Indah Purnama Sari, S. T. M. K. (2021). Buku Ajar Rekayasa Perangkat Lunak. umsu press. https://books.google.co.id/books?id=1LVKEAAAQBAJ

[5] Ismail Alif Siregar, M. A. (2024). Design Thinking Sebagai Solusi Mobilitas Awal dan Akhir. Uwais Inspirasi Indonesia. https://books.google.co.id/books?id=pAIaEQAAQBAJ

[6] Istiqomah, N., & Murinto, M. (2024). Klasifikasi Penyakit Tanaman Padi Berbasis Citra Daun Menggunakan Convolutional Neural Network (CNN). JSTIE (Jurnal Sarjana Teknik Informatika) (E-Journal), 12(1), 18. https://doi.org/10.12928/jstie.v12i1.27314

[7] Jalil, E. A., Wahyuningsih, P., Umar, D. N., Risal, M., Anatasya, A. E. F., Agusdi, Y., Sepriano, S., & Pamela, E. (2024). Buku Ajar Pengolahan Citra Berbasis Open Source. PT. Sonpedia Publishing Indonesia. https://books.google.co.id/books?id=E6cfEQAAQBAJ

[8] Junaidi, S., Beno, I. S., Farkhan, M., Supartha, I. K. D. G., Pasaribu, A. A., Kmurawak, R. M. B., Supiyanto, S., Sroyer, A. M., Reba, F., & Fitriyanto, R. (2024). Buku Ajar Machine Learning. PT. Sonpedia Publishing Indonesia. https://books.google.co.id/books?id=ACT2EAAAQBAJ

[9] Kartika Candra Kirana, S. P. M. K. (2021). PENGOLAHAN CITRA DIGITAL: Teori dan Penerapan Pengolahan Citra Digital pada Deteksi Wajah. Ahlimedia Book. https://books.google.co.id/books?id=cN1SEAAAQBAJ

[10] Kushariyadi, K., Apriyanto, H., Herdiana, Y., Asy’ari, F. H., Judijanto, L., Pasrun, Y. P., Mardikawati, B., Agusdi, Y., & Dihniah, N. (2024). Artificial Intelligence : Dinamika Perkembangan AI Beserta Penerapannya. PT. Sonpedia Publishing Indonesia. https://books.google.co.id/books?id=1g0nEQAAQBAJ

[11] Laksono, F. B. (2024). Deteksi penyakit tanaman dengan convolution neural network: Kombinasi arsitektur VGG16 dan ResNet34 untuk klasifikasi daun. JURNAL KOMPUTER DAN TEKNOLOGI INFORMASI, 2(2). https://doi.org/10.26714/jkti.v2i2.13932

[12] M.B. Gigih Baskoro Ashari. (2024). Implementasi Algoritma Convolutional Neural Network untuk Meningkatkan Identifikasi Penyakit Tanaman Durian. Jupiter: Publikasi Ilmu Keteknikan Industri, Teknik Elektro Dan Informatika, 2(4), 162–172. https://doi.org/10.61132/jupiter.v2i4.418

[13] Mahendra, G. S., Ohyver, D. A., Umar, N., Judijanto, L., Abadi, A., Harto, B., Anggara, I. G. A. S., Ardiansyah, A., Saktisyahputra, S., & Setiawan, I. K. (2024). Tren Teknologi AI : Pengantar, Teori, dan Contoh Penerapan Artificial Intelligence di Berbagai Bidang. PT. Sonpedia Publishing Indonesia. https://books.google.co.id/books?id=qBsFEQAAQBAJ

[14] Mochammad Faisal Nur Sayyid. (2024). Klasifikasi Penyakit Daun Jagung Menggunakan Metode CNN Dengan Image Processing HE Dan CLAHE. Jurnal Teknik Informatika Dan Teknologi Informasi, 4(1), 86–95. https://doi.org/10.55606/jutiti.v4i1.3425

[15] Moekasan, T. K., Prabaningrum, L., Adiyoga, W., & de Putter, H. (n.d.). Panduan Praktis Budi Daya Cabai Merah: Berdasarkan Konsepsi Pengendalian Hama Terpadu (PHT). Penebar Swadaya Grup. https://books.google.co.id/books?id=eNdnCAAAQBAJ

[16] Nur’aini, H. I. M. (2019). Mengenal Tanaman Hortikultura. Penerbit Duta. https://books.google.co.id/books?id=9yHCDwAAQBAJ

[17] Nursiyono, J. A. (2023). MACHINE LEARNING dengan R Teori & Praktikum. Media Nusa Creative (MNC Publishing). https://books.google.co.id/books?id=4T-xEAAAQBAJ

[18] Poornima, S., Sripriya, N., Alrasheedi, A. F., Askar, S. S., & Abouhawwash, M. (2023). Hybrid Convolutional Neural Network for Plant Diseases Prediction. Intelligent Automation and Soft Computing, 36(2), 2393–2409. https://doi.org/10.32604/iasc.2023.024820

[19] Prof Dr. Sugiyono. (2019). Metode Penelitian Pendidikan (Kuantitatif, Kualitatif, Kombinasi, R&D, dan Penelitian Pendidikan).

[20] Putra, J. V. P., Ayu, F., & Julianto, B. (2023). Implementasi Pendeteksi Penyakit pada Daun Alpukat Menggunakan Metode CNN. Stains (Seminar Nasional Teknologi & Sains), 2(1), 155–162. https://proceeding.unpkediri.ac.id/index.php/stains/article/view/2888

[21] Rasywir, E., Sinaga, R., & Pratama, Y. (2020). Analisis dan Implementasi Diagnosis Penyakit Sawit dengan Metode Convolutional Neural Network (CNN). Paradigma - Jurnal Komputer Dan Informatika, 22(2), 117–123. https://doi.org/10.31294/p.v22i2.8907

[22] Ristanti, E. L. P. (2024). ANALISIS DAN PERBANDINGAN ARSITEKTUR VGG16 DAN MOBILENETV2 UNTUK KLASIFIKASI DAN IDENTIFIKASI PENYAKIT DAUN PADA TANAMAN CABAI MENGGUNAKAN CNN. Scientica: Jurnal Ilmiah Sains Dan Teknologi, Vol. 2 No. 9 (2024): Scientica: Jurnal Ilmiah Sains dan Teknologi, 216–226. https://jurnal.kolibi.org/index.php/scientica/article/view/2381/2303

[23] S, M. S. W. (2024). Deep Learning Convolutional Neural Networks: Pemrograman Python + Arduino serta Aplikasi pada Komputer Vision, Speech Recognition, dan Mobile Robot. Bolabot. https://books.google.co.id/books?id=ris9EQAAQBAJ

[24] Sari, M. N., Mudrikah, S., Keban, Y. B., Bua, M. T., Ningsih, P. E. A., Budiyono, A., Hanifah, D. P., & Dailami, A. (2024). Metodologi Penelitian Tindakan Kelas & Research and Development. Pradina Pustaka. https://books.google.co.id/books?id=kYwNEQAAQBAJ

[25] Setiawan, W. (2021). Deep Learning menggunakan Convolutional Neural Network: Teori dan Aplikasi. Media Nusa Creative (MNC Publishing). https://books.google.co.id/books?id=sE9LEAAAQBAJ

[26] Slamet Riyanto, S. T. M. M., Winarti Setyorini, S. E. M. M., & Hani Atun Mumtahana, S. K. M. K. (n.d.). Metode Penelitian Kuantitatif dengan Pendekatan SmartPLS 4.0. Deepublish. https://books.google.co.id/books?id=7a0tEQAAQBAJ

[27] Susanti, D., & Adab, P. (n.d.). Desain User Interface (UI)/User Experience (UX) Menggunakan Figma. Penerbit Adab. https://books.google.co.id/books?id=y6c4EQAAQBAJ

[28] Wicaksono, G., Andryana, S., & -, B. (2020). Aplikasi Pendeteksi Penyakit Pada Daun Tanaman Apel Dengan Metode Convolutional Neural Network. JOINTECS (Journal of Information Technology and Computer Science), 5(1), 9. https://doi.org/10.31328/jointecs.v5i1.1221