Deteksi Luka Api Pada Tebu Varietas Cening Menggunakan Metode CNN

Ardityan Dwi Yodha Bimantara, Risky Aswi Ramadhani, Daniel Swanjaya

Abstract


Budidaya tebu di Indonesia dapat mengalami kendala, seperti misalnya gangguan penyakit yang dapat menyerang salah satunya adalah penyakit luka api akibat dari jamur Sporisorium scitamineum. Dalam hal ini peneneliti ingin mengembangkan sistem dengan pengolahan citra untuk mendeteksi penyakit luka api sejak dini. Pemanfaatan citra dengan metode CNN (Convolutional Neural Network). Pada pengolahan data model CNN dilakukan dengan bantuan machine learning. Hasil data yang didapatkan akan dievaluasi menggunakan Confusion Matrix untuk mengetahui kinerja model dengan membandingkan hasil prediksi model dengan data sebenarnya. Hasil evaluasi yang dilakukan menunjukan nilai akurasi model sebear 95% pada keseluruhan data, Precision untuk luka api sebesar 0,909, recall luka api sebesar 90%, serta F1-score luka api sebesar 94,7%. Hasil studi ini menunjukan pengolahan citra menggunakan metode CNN dapat membantu petani mendeteksi penyakit luka api pada tebu sejak dini.

References


A. Salma Shofiyanti, A. Kusumawati, P. Perkebunan, and P. LPP Yogyakarta, Perbandinngan Produktivitas Tanaman Tebu (Saccharum officinarum L.) Kategori Plant cane dan Ratoon cane Ke-4 Varietas Bululawang pada Lahan Berat di Desa Sambiroto Kecamatan Nanggulan Kabupaten Kulon Progo, Pros. Semin. Nas. Pembang. dan Pendidik. Vokasi Pertan., vol. 5, no. 1, pp. 12031209, Oct. 2024, doi: 10.47687/SNPPVP.V5I1.1192.

F. Diyasti et al., MODEL PERAMALAN PERKEMBANGAN PENYAKIT LUKA API PADA PERTANAMAN TEBU DI INDONESIA, J. Pertan. Presisi (Journal Precis. Agric., vol. 5, no. 2, pp. 109125, Dec. 2021, doi: 10.35760/JPP.2021.V5I2.5271.

E. Respati, Outlook Komoditas Perkebunan Tebu, Pus. Data dan Sidtem Inf. Pertan. Sekertariat Jenderal - Kementeri. Pertan., pp. 194, 2022, [Online]. Available: https://medium.com/@arifwicaksanaa/pengertian-use-case-a7e576e1b6bf

A. V. Silalahi, Kebijakan Pengembangan Tebu Menuju Swasembada Gula Konsumsi, J. Perenc. Pembang. Pertan., vol. 1, no. 1, 2024, Accessed: Jun. 03, 2025. [Online]. Available: https://epublikasi.pertanian.go.id/berkala/jp3/article/view/3904

N. H.-B. T. Tembakau, S. dan Minyak, and undefined 2020, Peluang Pengembangan Pengendalian Penyakit Luka Api Pada Tebu di Indonesia, Sch. HidayahBuletin Tanam. Tembakau, Serat dan Miny. Ind. 2020scholar.archive.org, vol. 12, no. 2, pp. 94108, doi: 10.21082/btsm.v12n2.2020.94-108.

N. Hidayah, Peluang Pengembangan Pengendalian Penyakit Luka Api pada Tebu di Indonesia, Bul. Tanam. Tembakau, Serat dan Miny. Ind., vol. 12, no. 2, pp. 94108, Oct. 2020, doi: 10.21082/BTSM.V12N2.2020.94-108.

BRIN - Peneliti BRIN Bahas Perakitan Varietas Unggul dan Pengelolaan Penyakit Utama Tanaman Tebu, 27 Juli, 2023. https://www.brin.go.id/news/113750/peneliti-brin-bahas-perakitan-varietas-unggul-dan-pengelolaan-penyakit-utama-tanaman-tebu (accessed Oct. 15, 2024).

B. Raharjo, Deep Learning dengan Python. Semarang: Yayasan Prima Agus Teknik, 2022.

F. A. Febriyanti, IMAGE PROCESSING DENGAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK DETEKSI PENYAKIT KULIT PADA MANUSIA, Kohesi J. Sains dan Teknol., vol. 3, no. 10, pp. 2130, Jun. 2024, doi: 10.3785/KOHESI.V3I10.4088.

Ajib Susanto, Yupie Kusumawati, Ericsson Dhimas Niagara, and Christy Atika Sari, Convolutional Neural Network Dalam Sistem Deteksi Helm Pada Pengendara Motor, Semin. Nas. Teknol. dan Multidisiplin Ilmu, vol. 2, no. 1, pp. 9199, 2022, doi: 10.51903/semnastekmu.v2i1.158.

I. Harjanto, M. Amiruddin, and B. H. Kunaryo, OPTIMASI MODEL DEEP LEARNING UNTUK RASPBERRY MENGGUNAKAN PRUNING DAN KUANTISASI, J. Teknol. Inf. DAN Komun., vol. 15, no. 2, pp. 360370, Sep. 2024, doi: 10.51903/JTIKP.V15I2.898.

D. Gunawan and H. Setiawan, Convolutional Neural Network dalam Citra Medis, KONSTELASI Konvergensi Teknol. dan Sist. Inf., vol. 2, no. 2, pp. 376390, May 2022, doi: 10.24002/KONSTELASI.V2I2.5367.

S. Yuliany, Aradea, and A. N. Rachman, Implementasi Deep Learning pada Sistem Klasifikasi Hama Tanaman Padi Menggunakan Metode Convolutional Neural Network (CNN), J. Buana Inform., vol. 13, no. 1, pp. 5465, Apr. 2022, doi: 10.24002/JBI.V13I1.5022.

N. B. Pamungkas and A. Suhendar, Penerapan Metode Convolutional Neural Network pada Sistem Klasifikasi Penyakit Tanaman Apel berdasarkan Citra Daun, Edumatic J. Pendidik. Inform., vol. 8, no. 2, pp. 675684, Dec. 2024, doi: 10.29408/edumatic.v8i2.27958.

I. R. Alfiandi, Gunawan, M. R. Fadhil, and R. Samsinar, Analisis Performa Convolutional Neural Network (CNN) dan Naive Bayes dalam Face Recognition: Akurasi dan Kompleksitas, Pros. Semin. Nas. Hukum, Bisnis, Sains dan Teknol., vol. 5, no. 1, 2025.


Refbacks

  • There are currently no refbacks.



 
PANDUAN SUBMITE ARTIKEL
 


Kantor Sekertariat:
Universitas PGRI Madiun
Jl. Auri No. 14-16  Kota Madiun 63118
Lt 3 Kantor Program Studi Teknik Informatika
email :  [email protected]
 
 

Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.