Deteksi Penyakit Tanaman Padi Dengan Menggunakan Convolutional Neural Network
| Main Author: | Putra PN, Chresna Sanubari |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.upnjatim.ac.id/846/8/Cover.pdf http://repository.upnjatim.ac.id/846/2/Bab%201.pdf http://repository.upnjatim.ac.id/846/3/Bab%202.pdf http://repository.upnjatim.ac.id/846/4/Bab%203.pdf http://repository.upnjatim.ac.id/846/5/Bab%204.pdf http://repository.upnjatim.ac.id/846/6/Bab%205.pdf http://repository.upnjatim.ac.id/846/7/daftar%20pustaka.pdf http://repository.upnjatim.ac.id/846/ |
Daftar Isi:
- Sektor pertanian merupakan sektor utama yang berperan penting pada perekonomian nasional, dalam menyerap tenaga kerja, sumber pertumbuhan ekonomi, dan penyumbang devisa. Indonesia adalah negara agraris yang penduduknya mayoritas adalah becocok tanam. Padi adalah salah satu tanaman budi daya yang memegang peranan penting disepanjang kehidupan. Namun demikian kualitas padi wajib diperhatikan. Permukaan padi yang berkualitas baik dibutuhkan pada saat ekspor. Penelitian ini bertujuan untuk mendeteksi penyakit pada tanaman padi. Metode yang digunakan pada penelitian ini yaitu convolutional neural network (CNN). CNN ini merupakan hasil pengembangan dari multilayer perception (MLP) yang digunakan untuk mengelola data dua dimensi. Inputan dari CNN berupada data 2 dimensi yang kemudian dipropagasikan pada jaringan dengan parameter pada bobot dan operasi linear berbeda. CNN merupakan salah satu metode pada deep learning. Metode CNN memiliki banyak jenis layer, yaitu convolution layer, subsampling / pooling layer, dan fully connected layer, dan untuk penelitian saat ini menggunakan arsitektur CNN yang berbeda – beda untuk mencari nilai akurasi yang baik. Pada penelitian ini digunakan 4 jenis penyakit daun pada tanaman padi dengan masing – masing jenis penyakit terdiri dari 2300 data citra latih dan terdiri dari 30 data citra. Penelitian ini telah berhasil mendeteksi penyakit pada citra daun secara otomatis dengan akurasi terbaik yang di dapat yaitu sebesar 83%. Keyword : pertanian, penyakit padi, teknologi, convolutional neural network, deep learning