Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : The Indonesian Journal of Computer Science

Klasifikasi Citra Penyakit Tanaman pada Daun Paprika dengan Metode Transfer Learning Menggunakan DenseNet-201 Salim, Vilvilia; Abdullah, Asrul; Utami, Putri Yuli
The Indonesian Journal of Computer Science Vol. 13 No. 2 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i2.3746

Abstract

Penyakit bercak daun yang disebabkan oleh bakteri Xanthomonas campestris pv. vesicatoria merupakan salah satu penyakit penting pada tanaman paprika di Indonesia. Penyakit ini dapat menurunkan kualitas dan kuantitas hasil panen paprika. Metode yang digunakan yaitu transfer learning dengan menggunakan model DenseNet-201. Penelitian ini menggunakan data gambar daun paprika yang terinfeksi dan tidak terinfeksi sebanyak 4.876 gambar. Data tersebut dibagi menjadi data latih, data validasi, dan data uji. Hasil penelitian menunjukkan bahwa model transfer learning mampu mendeteksi penyakit bercak daun pada paprika dengan akurasi keseluruhan sekitar 99.5%. Evaluasi model terhadap kelas “Bacterial Spot” dan “Healthy” menghasilkan precision, recall, dan F1-score rata-rata sekitar 99.5%. Penelitian ini menunjukkan bahwa metode transfer learning dapat digunakan sebagai sistem deteksi penyakit tanaman yang efektif dan efisien.
Pengembangan Sistem Informasi Kesesuaian Lahan Tanaman Pangan Berdasarkan Faktor Cuaca Berbasis Website Utami, Putri; Abdullah, Asrul; Hudjimartsu, Sahid Agustian; Wicaksono, Aditya; Viona, Tiara Aurilia
The Indonesian Journal of Computer Science Vol. 13 No. 1 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i1.3758

Abstract

Evaluasi lahan dapat dilakukan untuk meningkatkan kualitas dan kuantitas komoditas pertanian. Salah satunya dengan persyaratan penggunaan lahan dengan mempertimbangkan karakteristik lahan. Namun, Dinas Pertanian selaku koordinator sulit mendapatkan informasi terkait karakteristik lahan yang sesuai dengan jenis tanaman berdasarkan faktor cuaca. Anomali cuaca menyebabkan turunnya produktitivitas tanaman. Tujuan penelitian ini adalah mengembangkan sistem informasi kesesuaian lahan untuk menentukan jenis tanaman pangan beradasarkan karakteristik lahan serta evaluasi kesesuaian lahan tanaman. Metode dalam penelitian ini adalah Framework for the Application of System Thinking (FAST). Tahapan FAST yaitu scope definition, problem analysis, requirement analysis, decision analysis, design, contruction and testing, dan instalation and delivery. Berdasarkan hasil uji kelayakan aplikasi menghasilkan nilai 87% dengan kriteria baik. Hasil ini menunjukkan bahwa sistem informasi kesesuaian lahan tanaman pangan dapat digunakan dengan baik.