Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan JIKO (Jurnal Informatika dan Komputer)
Lestari, Candra Dewi
Unknown Affiliation
Computer Science & IT

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
KLASIFIKASI JENIS PENYAKIT PADA DAUN TUMBUHAN STROBERI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK ARSITEKTUR INCEPTIONV3 Sitohang, Andrian Herbert Parsaoran; Hermanto, Teguh Iman; Lestari, Candra Dewi
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5274

Abstract

Stroberi adalah salah satu komoditas tanaman dengan nilai ekonomi yang cukup tinggi di Indonesia. Namun, terdapat upaya yang dapat mengurangi kualitas dan kuantitas hasil panen stroberi, yaitu penyakit-penyakit daun stroberi, termasuk leaf scorch. Oleh karena itu, deteksi dini dan klasifikasi penyakit mengenai daun stroberi ini sangat penting untuk melakukan tindakan yang diperlukan agar kerugian dapat diminimalkan. Tujuan dari penelitian ini adalah untuk mengembangkan model klasifikasi penyakit pada daun stroberi dengan metode Convolutional Neural Network menggunakan arsitektur InceptionV3. Proses penelitian yang dibutuhkan dalam pengembangan model melibatkan pengumpulan dataset gambar daun stroberi yang terdiri dari kategori sehat dan penyakit leaf scorch. Model CNN dilatih dan diuji dengan menggunakan dataset gambar daun tersebut untuk mengidentifikasi dan mengklasifikasikan jenis penyakit dengan tingkat akurasi yang tinggi. Hasil dari penelitian ini menunjukkan bahwa model CNN dengan arsitektur InceptionV3 berhasil mencapai akurasi klasifikasi sebesar 99%, menandakan keandalan model dalam mendeteksi penyakit pada daun stroberi. Selain itu, Implementasi model ini dalam aplikasi berbasis Android diharapkan dapat memberikan alat bantu yang praktis dan efisien bagi petani dalam memantau dan mengendalikan penyakit tanaman secara real-time, sehingga dapat meningkatkan kualitas dan kuantitas hasil panen stroberi. Dengan demikian, penelitian ini tidak hanya berkontribusi pada pengembangan teknologi deteksi penyakit tanaman tetapi juga pada peningkatan produktivitas pertanian.
KLASIFIKASI JENIS PENYAKIT PADA TANAMAN PADI MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK Kusuma, Bagus; Hermanto, Teguh Iman; Lestari, Candra Dewi
JURNAL INFORMATIKA DAN KOMPUTER Vol 9, No 1 (2025): Februari 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v9i1.1395

Abstract

Padi adalah tanaman pangan utama di Indonesia dan memiliki peran vital dalam perekonomian serta kehidupan sehari-hari masyarakat. Namun, produksi padi saat ini mengalami penurunan akibat serangan hama dan penyakit. Deteksi dini dan klasifikasi penyakit padi yang akurat sangat penting untuk mengurangi dampak negatif ini. Pada penelitian ini dilakukannpembangunan dan pelatihan model Convolutional Neural Network (CNN) untuk mengenali kondisi kesehatan tanaman padi. Model dilatih dengan dataset citra daun padi dan dioptimasi dengan parameter terbaik yaitu 30 epoch, batch size 45, dan optimizer Lion. Hasil pengujian menunjukkan akurasi 75% untuk data uji dengan loss 59%, dan akurasi 76% untuk data latih dengan loss 61%. Model ini juga berhasil diimplementasikan dalam aplikasi mobile berbasis Android. Penelitian ini diharapkan dapat berkontribusi pada sektor pertanian Indonesia dengan menyediakan alat deteksi penyakit padi yang lebih efisien dan efektif.
KLASIFIKASI JENIS PENYAKIT PADA DAUN TUMBUHAN STROBERI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK ARSITEKTUR INCEPTIONV3 Sitohang, Andrian Herbert Parsaoran; Hermanto, Teguh Iman; Lestari, Candra Dewi
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5274

Abstract

Stroberi adalah salah satu komoditas tanaman dengan nilai ekonomi yang cukup tinggi di Indonesia. Namun, terdapat upaya yang dapat mengurangi kualitas dan kuantitas hasil panen stroberi, yaitu penyakit-penyakit daun stroberi, termasuk leaf scorch. Oleh karena itu, deteksi dini dan klasifikasi penyakit mengenai daun stroberi ini sangat penting untuk melakukan tindakan yang diperlukan agar kerugian dapat diminimalkan. Tujuan dari penelitian ini adalah untuk mengembangkan model klasifikasi penyakit pada daun stroberi dengan metode Convolutional Neural Network menggunakan arsitektur InceptionV3. Proses penelitian yang dibutuhkan dalam pengembangan model melibatkan pengumpulan dataset gambar daun stroberi yang terdiri dari kategori sehat dan penyakit leaf scorch. Model CNN dilatih dan diuji dengan menggunakan dataset gambar daun tersebut untuk mengidentifikasi dan mengklasifikasikan jenis penyakit dengan tingkat akurasi yang tinggi. Hasil dari penelitian ini menunjukkan bahwa model CNN dengan arsitektur InceptionV3 berhasil mencapai akurasi klasifikasi sebesar 99%, menandakan keandalan model dalam mendeteksi penyakit pada daun stroberi. Selain itu, Implementasi model ini dalam aplikasi berbasis Android diharapkan dapat memberikan alat bantu yang praktis dan efisien bagi petani dalam memantau dan mengendalikan penyakit tanaman secara real-time, sehingga dapat meningkatkan kualitas dan kuantitas hasil panen stroberi. Dengan demikian, penelitian ini tidak hanya berkontribusi pada pengembangan teknologi deteksi penyakit tanaman tetapi juga pada peningkatan produktivitas pertanian.
Co-Authors Hermanto, Teguh Iman Kusuma, Bagus Sitohang, Andrian Herbert Parsaoran