Implementasi Metode CNN dan K-means Pada Deteksi Penyakit Daun Selada

Oktaviana Tivani Kiki

Abstract


Penyakit pada daun selada dapat menurunkan kualitas dan produktivitas hasil panen secara signifikan. Untuk mengatasi permasalahan ini, penelitian ini mengusulkan implementasi metode Convolutional Neural Network (CNN) dan metode K-means clustering dalam proses deteksi daun selada secara otomatis. Metode CNN digunakan untuk melatih citra daun dan klasifikasi jenis penyakit, sedangkan K-means dimanfaatkan untuk segmentasi area yang terinfeksi. Dataset yang digunakan terdiri dari gambar daun selada dengan berbagai kondisi, yang kemudian dilatih menggunakan arsitektur CNN. Hasil penelitian menunjukkan bahwa kombinasi kedua metode ini mampu meningkatkan akurasi deteksi dan memperjelas wilayah penyakit pada daun. Implementasi sistem ini diharapkan dapat membantu petani dalam mengidentifikasi penyakit lebih awal dan mengambil langkah mitigasi secara tepat waktu.

References


Y. N. C. Khotimah, “Identifikasi penyakit tanaman secara manual oleh petani: tantangan dan solusi,”

Jurnal Pertanian Cerdas, vol. 4, no. 2, pp. 88–95, 2024.

E. F. A. Pratama, “Deteksi dini penyakit tanaman hortikultura melalui pengolahan citra digital,”

Teknologi Pertanian Presisi, vol. 6, no. 3, pp. 103–110, 2022.

T. A. Nasution, “Peran segmentasi citra dalam deteksi penyakit tanaman berbasis AI,” Jurnal Sistem Informasi dan Teknologi Pertanian, vol. 5, no. 1, pp. 33–40, 2023.

W. Deng, “Image segmentation for agricultural disease detection using digital image processing,”

International Journal of Agricultural Technology, vol. 13, no. 2, pp. 76–84, 2022.

T. Purwanto, “Sistem pakar mendiagnosa hama penyakit tanaman selada menggunakan metode forward chaining dan certainty factor,” Jurnal Teknologi Informasi dan Komputer, vol. 9, no. 1, pp. 14–21, 2021.

F. R. Megantara, “Deteksi kondisi tanaman selada menggunakan CNN,” Jurnal Informatika Pertanian, vol. 7, no. 2, pp. 55–63, 2022.

S. S. Nagari, “K-Means Clustering: Teori dan implementasi dalam pengolahan citra,” Jurnal Sains Komputer dan Informatika, vol. 10, no. 1, pp. 11–19, 2020.

A. Primandana, “Inisialisasi centroid dalam algoritma K-Means clustering,” Jurnal Algoritma dan Sistem Cerdas, vol. 8, no. 3, pp. 77–82, 2019.

D. Siburian, “Implementasi jarak Euclidean dalam segmentasi citra,” Jurnal Informatika dan Rekayasa Perangkat Lunak, vol. 6, no. 2, pp. 43–50, 2022.

A. Rezaei, “Konvergensi centroid dalam K-Means clustering,” IEEE Transactions on Pattern Analysis, vol. 27, no. 4, pp. 500–508, 2020.

Y. Yasir, “Evaluasi clustering dengan silhouette coefficient dalam segmentasi citra tanaman,” Jurnal Teknologi dan Informatika, vol. 5, no. 1, pp. 19–26, 2024.

L. Parra, “Downy mildew pada tanaman selada,” Plant Pathology Journal, vol. 21, no. 2, pp. 98–104, 2020.

K. Brown, “Bacterial leaf spot in lettuce: A review,” International Journal of Plant Disease, vol. 15, no. 3, pp. 109–114, 2022.

H. Fitriyah, “Fisiologi tanaman selada dan gangguan tip burn,” Jurnal Agrikultura Tropis, vol. 9, no. 1,

pp. 56–61, 2023.

E. N. Herliyana, “Penyakit anthracnose pada tanaman hortikultura,” Jurnal Proteksi Tanaman, vol. 13, no. 2, pp. 70–75, 2020.

H. Taufik, “Segmentasi citra digital untuk analisis kesehatan tanaman,” Jurnal Informatika Pertanian, vol. 4, no. 2, pp. 22–29, 2019.

S. R. Nagari, “Silhouette analysis in image-based K-means clustering,” Journal of Visual Computing, vol. 11, no. 2, pp. 88–96, 2021.

A. Fadjeri, “Penerapan morfologi digital dalam hasil segmentasi citra daun,” Jurnal Teknologi Informasi Pertanian, vol. 5, no. 3, pp. 65–72, 2022.

S. A. Rosiva, “Ekstraksi fitur dalam pengolahan citra tanaman,” Jurnal Informatika dan Sistem Cerdas, vol. 7, no. 1, pp. 34–41, 2023.


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.