Aplikasi Deteksi Penyakit Tanaman Jagung Dengan Metode CNN dan SVM
Abstract
Full Text:
PDFReferences
Fasounaki, M., Yüce, E. B., Öncül, S., & Ince, G. (2021). CNN-based Text-independent Automatic Speaker Identification Using Short Utterances. Proceedings - 6th International Conference on Computer Science and Engineering, UBMK 2021, 01, 413–418. https://doi.org/10.1109/UBMK52708.2021.9559031
Felix, F., Faisal, S., Butarbutar, T. F. M., & Sirait, P. (2019). Implementasi CNN dan SVM untuk Identifikasi Penyakit Tomat via Daun. Jurnal SIFO Mikroskil, 20(2), 117–134. https://doi.org/10.55601/jsm.v20i2.670
Goyal, P., Pandey, S., & Jain, K. (2021). Deep Learning for Natural Language Processing. In Lecture Notes in Networks and Systems (Vol. 190). https://doi.org/10.1007/978-981-16-0882-7_45
Hamsinar Henny, Musadat Fithriah, & Rahayu. (2019). Penerapan Metode Backward Chaining Pada Sistem Pakar Untuk Mendeteksi Penyakit Tanaman Jagung. Jurnal Informatika, 8(1), 1–5.
Hariyani, Y. S., Hadiyoso, S., & Siadari, T. S. (2020). Deteksi Penyakit Covid-19 Berdasarkan Citra X-Ray Menggunakan Deep Residual Network. ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, 8(2), 443. https://doi.org/10.26760/elkomika.v8i2.443
Ningtyas, D. F., & Setiyawati, N. (2021). Implementasi Flask Framework pada Pembangunan Aplikasi Purchasing Approval Request. Jurnal Janitra Informatika Dan Sistem Informasi, 1(1), 19–34. https://doi.org/10.25008/janitra.v1i1.120
Pamungkas, F. S., Prasetya, B. D., & Kharisudin, I. (2020). Perbandingan Metode Klasifikasi Supervised Learning pada Data Bank Customers Menggunakan Python. PRISMA, Prosiding Seminar Nasional Matematika, 3, 692–697. https://journal.unnes.ac.id/sju/index.php/prisma/article/view/37875
Pratama, S. R., & Mirza, A. H. (2021). Penerapan Data Mining Untuk Memprediksi Tingkat Inflasi Menggunakan Metode Regresi Linier Berganda Pada BPS. Bina Darma Conference on Computer Science, 245–255.
Pujiati, R., & Rochmawati, N. (2022). Identifikasi Citra Daun Tanaman Herbal Menggunakan Metode Convolutional Neural Network (CNN). Journal of Informatics and Computer Science (JINACS), 3(03), 351–357. https://doi.org/10.26740/jinacs.v3n03.p351-357
Rahadi, N. W., & Vikasari, C. (2020). Pengujian Software Aplikasi Perawatan Barang Milik Negara Menggunakan Metode Black Box Testing Equivalence Partitions. Infotekmesin, 11(1), 57–61. https://doi.org/10.35970/infotekmesin.v11i1.124
Rahma, L., Syaputra, H., Mirza, A. H., & Purnamasari, S. D. (2021). Objek Deteksi Makanan Khas Palembang Menggunakan Algoritma YOLO (You Only Look Once). Jurnal Nasional Ilmu Komputer, 2(3), 213–232. https://doi.org/10.47747/jurnalnik.v2i3.534
Ratna, S. (2020). Pengolahan Citra Digital Dan Histogram Dengan Phyton Dan Text Editor Phycharm. Technologia: Jurnal Ilmiah, 11(3), 181. https://doi.org/10.31602/tji.v11i3.3294
Retnoningsih, E., & Pramudita, R. (2020). Mengenal Machine Learning Dengan Teknik Supervised Dan Unsupervised Learning Menggunakan Python. Bina Insani Ict Journal, 7(2), 156. https://doi.org/10.51211/biict.v7i2.1422
Septiani, N. A., & Habibie, F. Y. (2022). Penggunaan Metode Extreme Programming Pada Perancangan Sistem Informasi Pelayanan Publik. Jurnal Sistem Komputer Dan Informatika (JSON), 3(3), 341. https://doi.org/10.30865/json.v3i3.3931
Solihin, A., Mulyana, D. I., & Yel, M. B. (2022). Klasifikasi Jenis Alat Musik Tradisional Papua menggunakan Metode Transfer Learning dan Data Augmentasi. Jurnal SISKOM-KB (Sistem Komputer Dan Kecerdasan Buatan), 5(2), 36–44. https://doi.org/10.47970/siskom-kb.v5i2.279
Suhendra, R., Juliwardi, I., & Sanusi, S. (2022). Identifikasi dan Klasifikasi Penyakit Daun Jagung Menggunakan Support Vector Machine. Jurnal Teknologi Informasi, 1(1), 29–35. https://doi.org/10.35308/.v1i1.5520
Türkoğlu, M., & Hanbay, D. (2019). Plant disease and pest detection using deep learning-based features. Turkish Journal of Electrical Engineering and Computer Sciences, 27(3), 1636–1651. https://doi.org/10.3906/elk-1809-181
Refbacks
- There are currently no refbacks.
Jl. Auri No. 14-16 Kota Madiun 63118
Lt 3 Kantor Program Studi Teknik Informatika
email : senatik@unipma.ac.id
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.