Rahman, Muhammad and Asriyanik, Asriyanik and Pambudi, Agung (2023) IMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK IDENTIFIKASI KUALITAS TANAMAN SELADA BERDASARKAN CITRA DAUN. https://journal.eng.unila.ac.id/index.php/jitet/index, 11 (3). pp. 1147-1156. ISSN 2830-7062
Text
3368 Download (38kB) |
Abstract
Indonesia dikenal sebagai negara agraris hal ini menjadikan sebagian penduduk bekerja pada sektor pertanian menurut Badan Pusat Statistik tahun 2022 sekitar 29,96% penduduk Indonesia bekerja pada sektor pertanian. Bertani pada saat ini bisa dilakukan dengan hidroponik yaitu bertanam dengan air yang tercampur nutrisi sebagai media tanamnya. Selada merupakan sayuran yang cocok ditanam secara hidroponik, selada memiliki kandungan gizi dan fungsi yang baik bagi tubuh dalam mencegah penyakit kolesterol tinggi, sembelit, dan insomnia. Walaupun bertanam secara hidroponik mudah dan praktis akan tetapi kendala dapat saja terjadi sehingga mempengaruhi kualitas tanaman yang disebabkan oleh faktor seperti lingkungan dan kurangnya pengetahuan akan kondisi tanaman selada sehingga memicu tanaman terserang penyakit. Dalam mengatasi hal tersebut dibuat sistem klasifikasi kualitas tanaman selada berdasarkan citra daun selada untuk mengetahui kondisi tanaman menggunakan algoritma convolutional neural network dengan merancang arsitektur model yang terbaik. Hasil akurasi terbaik didapatkan pada pembagian dataset 80% training, 10% validation, dan 10% testing dengan penambahan dropout setelah maxpooling lapisan kedua dan ketiga sebesar 0.2 dan dropout pada fully connected layer 0.3, optimizer Adam dengan learning rate 0.0001. Pada proses pelatihan akurasi mencapai 90% pada epoch ke-50 kemudian dilakukan evaluasi menggunakan confusion matrix dengan memasukan data testing dengan akurasi terbaik yang didapatkan mencapai 84%.
Item Type: | Article |
---|---|
Subjects: | T Technology > T Technology (General) |
Divisions: | Fakultas Sains dan Teknologi > Teknik Informatika |
Depositing User: | Perpus ID UMMI |
Date Deposited: | 03 Jan 2024 03:36 |
Last Modified: | 03 Jan 2024 03:36 |
URI: | http://eprints.ummi.ac.id/id/eprint/3335 |
Actions (login required)
View Item |