Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business
Ios Widria Saragih
Universitas Pamulang
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Implementasi Machine Learning Untuk Deteksi Dini Penyakit Pada Tanaman Kentang Berbasis Citra Digital Ios Widria Saragih; Rahmawati Rahmawati
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.12398

Abstract

Kentang merupakan komoditas hortikultura yang memiliki nilai ekonomi penting, namun rentan terhadap serangan penyakit daun. Proses identifikasi penyakit secara manual sering membutuhkan waktu dan berpotensi menimbulkan kesalahan dalam menentukan jenis penyakit. Untuk mengatasi permasalahan tersebut, diperlukan sistem yang mampu mendeteksi penyakit secara otomatis dan cepat. Penelitian ini bertujuan membangun sistem identifikasi dini penyakit tanaman kentang berbasis web menggunakan metode Convolutional Neural Network (CNN). Dataset yang digunakan terdiri dari 575 citra daun kentang yang diperoleh melalui dokumentasi langsung di lapangan serta sumber daring Potato Disease Detection Dataset. Data dikelompokkan menjadi tiga kelas, yaitu daun sehat, bercak daun (early blight), dan busuk daun (late blight). Tahapan penelitian mencakup pra-pemrosesan citra, pelatihan model CNN, implementasi sistem menggunakan framework Flask, serta pengujian performa model. Hasil pelatihan menunjukkan model mencapai validation accuracy sebesar 91,86% dengan validation loss sebesar 0,5222. Pengujian menggunakan 86 data uji menghasilkan accuracy, precision, recall, dan F1-score masing-masing sebesar 92%. Hasil tersebut menunjukkan bahwa model mampu mengklasifikasikan kondisi daun kentang dengan baik. Penelitian ini menghasilkan aplikasi berbasis web yang membantu pengguna melakukan identifikasi dini penyakit tanaman kentang melalui pengunggahan citra daun secara cepat dan praktis. Sistem ini diharapkan dapat mendukung pengguna dalam memperoleh informasi awal mengenai kondisi daun sebelum dilakukan tindakan penanganan lebih lanjut secara tepat dan cepat.
Co-Authors Rahmawati Rahmawati