Penerapan Metode JST Menggunakan Fitur GLCM pada Identifikasi Penyakit Tumbuhan Stroberi
Abstract
In recent years, strawberry farmers have experienced crop failures caused by diseases in strawberry plants. The lack of knowledge of strawberry farmers about the signs of strawberry plant disease results in more severe crop failure. This research aims to create a strawberry plant disease identification system with the artificial neural network method and compare the accuracy level of the application of the artificial neural network method to the strawberry plant disease detection system. One of the methods in artificial neural networks that can be used to identify strawberry plant diseases is backpropagation algorithm. The research was conducted by comparing the activation used between ReLU, Sigmoid, and Tanh. The best accuracy was obtained using ReLU activation with an accuracy of 83.74% and a model evaluation accuracy of 50%. This system can be used by strawberry farmers to identify diseases quickly so that they can anticipate crop failure due to disease attacks.
Keywords: Artificial Neural Network; Backpropagation; Grey Level Co-occurrence Matrix; Strawberry Plant Disease
Abstrak
Dalam beberapa tahun terakhir, petani buah stroberi mengalami gagal panen yang diakibatkan oleh penyakit pada tumbuhan stroberi. Kurangnya pengetahuan petani buah stroberi tentang tanda penyakit tumbuhan stroberi mengakibatkan gagal panen yang lebih parah. Penelitian ini bertujuan untuk menciptakan sistem identifikasi penyakit tumbuhan stroberi dengan metode jaringan syaraf tiruan dan membandingkan tingkat akurasi penerapan metode jaringan syaraf tiruan terhadap sistem pendeteksi penyakit tumbuhan stroberi. Salah satu metode dalam jaringan syaraf tiruan yang dapat digunakan untuk mengidentifikasi penyakit tumbuhan stroberi adalah algoritma backpropagation. Penelitian dilakukan dengan membandingkan aktivasi yang digunakan antara ReLU, Sigmoid, dan Tanh. Akurasi terbaik didapatkan menggunakan aktivasi ReLU dengan akurasi sebesar 83,74% dan akurasi evaluasi model sebesar 50%. Sistem ini dapat digunakan petani tanaman stroberi untuk mengidentifikasi penyakit dengan cepat sehingga dapat mengantisipasi terjadinya gagal panen akibat serangan penyakit.
Keywords
References
N. R. Wardani dan D. F. Putra, Teknik Budidaya Stroberi Pada Greenhouse Dengan Rak Brundak, Malang: Media Nusa Creative (MNC Publishing), 2017.
F. Rahmadani, A. M. Pardede dan Nurhayati, “Jaringan Syaraf Tiruan Prediksi Jumlah Pengiriman Barang Menggunakan Metode Backpropagation (Studi Kasus: Kantor Pos Binjai),” Jurnal Teknik Informatika Kaputama (JTIK), vol. 5, no. 1, pp. 100-106, 2021.
Z. Y. Lamasigi, "DCT Untuk Ekstraksi Fitur Berbasis GLCM PadaIdentifikasi Batik Menggunakan K-NN," Jambura Journal of Electrical and Electronics Engineering (JJEEE), vol. 3, no. 1, pp. 1-6, 2021.
N. A. Haris, H. Asgar, J. Sumah and Kusrini, "Kombinasi Ciri Bentuk dan Ciri Tekstur Untuk Identifikasi Penyakit Pada Tanaman Padi," Jurnal Teknik Informatika dan Sistem Informasi, vol. 7, no. 2, pp. 237-250, 2020.
K. Haryobismoko, L. Muflikhah and R. S. Perdana, "Identifikasi Penyakit Tanaman Cabai menggunakan Metode Learning Vector Quantization (LVQ)," Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 7, no. 4, pp. 1953-1960, 2023.
A. J. Swiknyo, D. M. Midyanti and S. Bahri, "Identifikasi Penyakit Tanaman Kelapa Sawit Menggunakan Metode Variable Centered Intelligent Rule System (VCIRS) dan Certainty Factor (CF) Berbasis Android Studi Kasus: PT Bumitama Gunajaya Agro Group Wilayah 10 Kabupaten Ketapang," JUSTIN (Jurnal Sistem dan Teknologi Informasi), vol. 11, no. 1, pp. 74-81, 2023.
E. Gresinta and A. Risdiana, "Identifikasi Penyakit pada Tanaman Keladi Hias (Caladium spp.) dengan Pemanfaatan Sistem Pakar," EduBiologia, vol. 3, no. 2, pp. 131-138, 2023.
S. B. Hendire and M. Yusman, "Sistem Identifikasi Penyakit Tanaman Cabai Menggunakan Metode Simple Additive Weighting (SAW) Berbasis Android," Jurnal Komputasi, vol. 9, no. 1, pp. 41-46, 2021.
M. I. Mustofa, M. T. Furqon and D. E. Ratnawati, "Penggunaan Metode Ekstraksi Fitur Tekstur Gray Level Co-ocurrrence Matrix dan K-Nearest Neighbor untuk Identifikasi Jenis Penyakit Tanaman Apel," Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 6, no. 9, pp. 4451-4458, 2022.
D. Marcelina, E. Yulianti and Z. R. Mair, "Penerapan Metode Forward Chaining Pada Sistem Pakar Identifikasi Penyakit Tanaman Kelapa Sawit," Jurnal Ilmiah Informatika Global, vol. 13, no. 2, pp. 107-115, 2022.
A. Y. P. Putri and A. Sodik, "Identifikasi Penyakit Tanaman Kopi Arabika dengan Metode K-Nearest Neighbor (K-NN)," in Seminar Nasional Sains dan Teknologi Terapan VII 2019, Surabaya, 2019.
B. Widianto, E. Utami and D. Ariatmanto, "Identifikasi Penyakit Tanaman Jagung Berdasarkan Citra Daun Menggunakan Convolutional Neural Network," Techno.COM, vol. 22, no. 3, pp. 599-608, 2023.
A. M. Ibrahim and A. Rahman, "Identifikasi Penyakit Tanaman Bawang Merah Varietas BimaMenggunakan Metode Forward Chainning Dan Certainty Factor," Jurnal INTECH, vol. 1, no. 1, pp. 7-12, 2021.
A. Nainggolan, H. Rumapea, A. P. Silalahi, L. Sidauruk and M. Sinambela, "Identifikasi Penyakit Tanaman Tomat Berdasarkan Citra Penyakit Menggunakan Metode GLCM dan Naïve Bayes Classifier," Methotika : Jurnal Ilmiah Teknik Informatika, vol. 2, no. 1, pp. 22-28, 2022.
P. Sitompul, H. Okprana and A. Prasetio, "Identifikasi Penyakit Tanaman Padi Melalui Citra Daun Menggunakan DenseNet 201," JOMLAI: Journal of Machine Learning and Artificial Intelligence, vol. 1, no. 2, pp. 143-150, 2022.
B. C. Octariadi dan Y. Brianorman, “Pengenalan Pola Tanda Tangan Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation,” Jurnal TEKNOINFO, vol. 14, no. 1, pp. 15-21, 2020.
How To Cite This :
Refbacks
- There are currently no refbacks.
