Penerapan Multilayer Artificial Neural Network Untuk Klasifikasi Daun Berdasarkan Jenis Penyakitnya Sebagai Langkah Efektif Perawatan Tanaman
Abstract
Daun merupakan salah satu bagian tanaman yang sering digunakan untuk mengenali jenis tanaman dan berperan penting untuk menjaga kesehatan tanaman karena jika tanaman tumbuh dengan sehat maka pemanenan akan berhasil. Tidak ada penetapan untuk kesehatan daun dalam sektor pertanian mengenai karakteristik yang digunakan dari daun. Adapun kendalanya terdapat daun yang rentan terserang penyakit, akibatnya kesulitan dalam membedakan jenis-jenis penyakit daun yang terlihat mirip. Dalam penelitian ini diterapkan Mulltilayer ANN sebagai arsitektur matematis untuk klasifikasi gambar, prediksi, dan pengenalan pola yang dapat membantu mengklasifikasi penyakit pada daun tomat. Berdasarkan hasil tingkat accuracy secara keseluruhan yang didapat pada data uji sebesar 58,33%. Diikuti dengan hasil precision pada Bacterial Spot sebesar 68,33%, Healthy dan Spidermites Two Spotted sebesar 91,02%, dan Tomato Yellow Leaf Curl Virus sebesar 81,60%. Hasil yang didapat dari recall untuk Bacterial Spot, Spidermites Two Spotted, dan Tomato Yellow Leaf Curl Virus sebesar 100% dan Healthy sebesar 94,67%. Berdasarkan kriteria (Borman et al., 2022), maka hasil accuracy yang didapatkan pada penelitian ini berada pada rentang nilai Cukup. Selain itu, GLCM (Gray Level Co-Occurrence Matrix) sebagai metode yang digunakan untuk mengekstrak informasi terutama tentang analisis tekstur citra pada daun tanaman tomat dengan mengambil fitur contrast, correlation, energy dan homogeneity dengan masing-masing sudut 0°, 45°, 90°, dan 135°.
Keywords: Klasifikasi, Penyakit Daun, Artificial Neural Network, GLCM.Full Text:
PDFReferences
Borman, R. I., Ahmad, I., & Rahmanto, Y. (2022). Klasifikasi Citra Tanaman Perdu Liar Berkhasiat Obat Menggunakan Jaringan Syaraf Tiruan Radial Basis Function. Bulletin of Informatics and Data Science, 1(1), 6–13.
Brosnan, T., & Sun, D. W. (2004). Improving quality inspection of food products by computer vision - A review. Journal of Food Engineering, 61(1 SPEC.), 3–16. https://doi.org/10.1016/S0260-8774(03)00183-3
Luque, A., Carrasco, A., Martín, A., & de las Heras, A. (2019). The impact of class imbalance in classification performance metrics based on the binary confusion matrix. Pattern Recognition, 91, 216–231. https://doi.org/10.1016/j.patcog.2019.02.023
Palgunadi, S., & Almandatya, Y. (2014). Klasifikasi Kualitas Kesehatan Daun Mangga Berdasarkan Warna Citra Daun. Prosiding SNST, 1(1), 56–61.
Putri, A. W. (2021). Implementasi Artificial Neural Network (ANN) Backpropagation Untuk Klasifikasi Jenis Penyakit Pada Daun Tanaman Tomat. MATHunesa: Jurnal Ilmiah Matematika, 9(2), 344–350. https://doi.org/10.26740/mathunesa.v9n2.p344-350
Rumandan, R. J., Nuraini, R., Sadikin, N., & Rahmanto, Y. (2022). Klasifikasi Citra Jenis Daun Berkhasiat Obat Menggunakan Algoritma Jaringan Syaraf Tiruan Extreme Learning Machine. Journal of Computer System and Informatics (JoSYC), 4(1), 145–154. https://doi.org/10.47065/josyc.v4i1.2586
Sel, I. (1940). Iruan 8. 149–204.
Surya, R. A., Fadlil, A., & Yudhana, A. (2017). Ekstraksi Ciri Metode Gray Level Co-Occurrence Matrix ( GLCM ) dan Filter Gabor untuk Klasifikasi Citra Batik Pekalongan. Jurnal Informatika:Jurnal Pengembangan IT (JPIT , Vol. 02, No. 02, Juli 2017, 02(02), 23–26.
Wiguna, G., Sutarya, R., & Muliani, Y. (2015). RESPON BEBERAPA GALUR TOMAT (Lycopersicum esculentum Mill.) TERHADAP PENYAKIT BUSUK DAUN (Phytophthora infestans (Mont.) de Bary). Jurnal Ilmu Ilmu Pertanian, 11(2), 1–10.
Rintyarna, B. S. (2016). Pengaruh Seleksi Fitur Pada Skema Klasifikasi Naive Bayes Berbasis Gaussian dan Kernel Density. JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia), 1(1).
Nilogiri, A. (2016). Pengaruh Fitur Warna pada Klasifikasi Impresi Citra Batik Indonesia Menggunakan Probabilistic Neural Network. JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia), 1(1).
Ilahiyah, S., & Nilogiri, A. (2018). Implementasi Deep Learning Pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural Network. JUSTINDO (Jurnal Sistem Dan Teknologi Informasi Indonesia), 3(2), 49-56.
Rahman, M. (2019). Prediksi pembayaran tagihan listrik menggunakan model artificial neural network. JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia), 4(1), 7-12.
Abdurrahman, G. (2022). Klasifikasi Penyakit Diabetes Melitus Menggunakan Adaboost Classifier. JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia), 7(1), 59-66.
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.