Klasifikasi Penyakit Daun Kopi Dengan Arsitektur MobileNetV2
Article Sidebar
Main Article Content
Abstract
Kopi adalah salah satu komoditas pertanian yang penting di Indonesia. Negara ini merupakan salah satu produsen kopi terbesar di dunia. Masalah yang dihadapi produsen kopi di Indonesia adalah serangan hama dan penyakit. Miner dan Rust adalah penyakit umum yang sering menyerang tanaman kopi. Hal ini berdampak pada rendahnya produktivitas dan kualitas produk kopi. Penelitian ini bertujuan untuk mengetahui kinerja arsitektur MobileNetV2 dengan Teknik deep learning dalam melakukan klasifikasi penyakit daun kopi. Deep learning adalah teknologi yang sangat efektif dalam mengenali pola dan mengidentifikasi objek dalam gambar atau citra. Penelitian ini menggunakan pemisahan data pelatihan dan data uji dengan kombinasi 90:10, 80:20, 70:30, dan 60:40. Data terbagi dalam 3 kelas yaitu Healthy, Miner, dan Rust dengan masing masing kelas 150 gambar dengan total 450 gambar. Hasil terbaik dari penelitian ini menunjukan bahwa menggunakan Arsitektur MobileNetV2 dengan kombinasi data 90:10 memiliki hasil yang sangat baik dengan akurasi, presisi, recall, dan skor F1 yang semuanya sama dengan 100%. Dapat disimpulkan bahwa arsitektur MobileNetV2 dapat melakukan klasifikasi penyakit daun kopi dengan akurasi yang baik dan akurat.
Downloads
Article Details
M. D. Gunawan, A. Franz, and R. R. Manullang, “Sistem Pakar Penyakit Tanaman Kopi (Coffea Sp)Metode Forward Chaining Berbasis Web,” Buletin Poltanesa, vol. 21, no. 1, 2020, doi: 10.51967/tanesa.v21i1.321.
M. Ramadhan, B. Anwar, R. Gunawan, and R. Kustini, “SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT PADA TANAMAN KOPI MENGGUNAKAN METODE TEOREMA BAYES,” JOURNAL OF SCIENCE AND SOCIAL RESEARCH, vol. 4, no. 2, 2021, doi: 10.54314/jssr.v4i2.533.
D. A. Ihsani, A. Arifin, and M. H. Fatoni, “Klasifikasi DNA Microarray Menggunakan Principal Component Analysis (PCA) dan Artificial Neural Network (ANN),” Jurnal Teknik ITS, vol. 9, no. 1, 2020, doi: 10.12962/j23373539.v9i1.51637.
R. Windiawan, A. Suharso, and S. Artikel, “Identifikasi Penyakit pada Daun Kopi Menggunakan Metode Deep Learning VGG16 INFO ARTIKEL ABSTRAK”, doi: 10.35891/explorit.
C. Janiesch, P. Zschech, and K. Heinrich, “Machine learning and deep learning,” Electronic Markets, vol. 31, no. 3, 2021, doi: 10.1007/s12525-021-00475-2.
L. X. Boa Sorte, C. T. Ferraz, F. Fambrini, R. D. R. Goulart, and J. H. Saito, “Coffee leaf disease recognition based on deep learning and texture attributes,” in Procedia Computer Science, 2019, vol. 159, pp. 135–144. doi: 10.1016/j.procs.2019.09.168.
D. Irfansyah et al., “Arsitektur Convolutional Neural Network (CNN) Alexnet Untuk Klasifikasi Hama Pada Citra Daun Tanaman Kopi,” vol. 6, no. 2, 2021, [Online]. Available: https://data.mendeley.com/datasets/c5yvn32dzg/2.
F. Firdausillah, M. Hafidz, E. D. Udayanti, and E. Kartikadarma, “Sistem Deteksi Surel SPAM Dengan DNSBL Dan Support Vector Machine Pada Penyedia Layanan Mail Marketing,” Universitas Dian Nuswantoro, Semarang Jl. Imam Bonjol No, vol. 3, no. 4, 2022, doi: 10.47065/josh.v3i4.1795.
A. G. Lazuardy, H. Setiaji, S. Kom, and M. Eng, DATA CLEANSING PADA DATA RUMAH SAKIT.
G. Hery Herlambang et al., “KLASIFIKASI PERKIRAAN KELULUSAN MAHASISWA JENJANG MAGISTER MENGGUNAKAN METODE NAÏVE BAYES,” NJCA (Nusantara Journal of Computers and Its Applications), vol. 5, no. 1, 2020.
Y. Miftahuddin and F. Zaelani, “Perbandingan Metode Efficientnet-B3 dan Mobilenet-V2 Untuk Identifikasi Jenis Buah-buahan Menggunakan Fitur Daun,” 2022.
Q. Aini, N. Lutfiani, H. Kusumah, and M. S. Zahran, “DETEKSI DAN PENGENALAN OBJEK DENGAN MODEL MACHINE LEARNING: MODEL YOLO,” 2021.
A. R. Pratama, M. Mustajib, and A. Nugroho, “Deteksi Citra Uang Kertas dengan Fitur RGB Menggunakan K-Nearest Neighbor,” Jurnal Eksplora Informatika, vol. 9, no. 2, pp. 163–172, Mar. 2020, doi: 10.30864/eksplora.v9i2.336.
Wijaya, Y. F., Suparno, A., & Wibowo, A. (2022). Perancangan Sistem Informasi Penjualan Tabung Oksigen Pada Toko Pan Gas Gombong Berbasis Website. INCODING: Journal of Informatics and Computer Science Engineering, 2(2), 126-134.
Irawan, N. A., Lianawati, Y., & Wibowo, A. (2023). Sistem Informasi Pembayaran Biaya Sekolah Berbasis Website Dengan Whatsapp Gateway. Jurnal Penelitian Rumpun Ilmu Teknik, 2(1), 33-44.
Siagian, Ade Onny, and Hadion Wijoyo. "Pengaruh Lingkungan Kerja, Motivasi Kerja dan Disiplin Kerja terhadap Kinerja Karyawan Komite Farmasi Nasional." MANABIS: Jurnal Manajemen dan Bisnis 1.2 (2022): 124-133.
Wijoyo, H. (2020). Human Resources Management Implementation Impact on Job Satisfaction and Employee Loyalty An Overview. In Jambi Economic Business & Accounting Conference (JEBAC), Fakultas Ekonomi dan Bisnis, Universitas Jambi.
Cahyono, Y., Purwoko, D., Koho, I., Setiani, A., Supendi, S., Setyoko, P., ... & Wijoyo, H. (2023). The role of supply chain management practices on competitive advantage and performance of halal agroindustry SMEs. Uncertain Supply Chain Management, 11(1), 153-160.
Khiong, K., Arijanto, R., Dewi, G. C., Mulyandi, M. R., Putra, R. S., Siagian, A. O., ... & Fahmi, K. (2022). The role of compatibility, perceived usefulness, convenience perception and convenience perception on electronic money (e-wallet) usage interest. Journal of Positive School Psychology, 6281-6286.
Haudi, H., Wijoyo, H., & Cahyono, Y. (2020). Analysis of Most Influential Factors to Attract Foreign Direct Investment. Journal of Critical Reviews, 7(13).
Wijoyo, H. (2018). Determinant Of Customer Value And Its Implication On Customer Satisfaction Private Hospital In Riau Province. International Journal of Economics, Business and Management Research, 2(02).
Utomo, B., Wijoyo, H., Wikantari, M. A., Supriadi, Y. N., & Siswantini, T. (2022). Evaluation of the Quality of Online Learning during the Covid-19 post Pandemic: An Empirical Study at Indonesian University. resmilitaris, 12(5), 471-484.
Purnamasari, A., Lingga, L. J., Deswari, D., Syafriani, S., & Wijoyo, H. ANALISIS REFLEKSI PADA LOKAKARYA ASESMEN DAN PEMBELAJARAN SEKOLAH PENGGERAK. Tunjuk Ajar: Jurnal Penelitian Ilmu Pendidikan, 6(1), 43-53.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.