Aries Suharso
Singaperbangsa Karawang University

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

Found 1 Documents
Search

PENERAPAN METODE RESIDUAL NETWORK (RESNET) DALAM KLASIFIKASI PENYAKIT PADA DAUN GANDUM Andreanov Ridhovan; Aries Suharso
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 7, No 1 (2022)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v7i1.2410

Abstract

Gandum adalah jenis tanaman yang kaya karbohidrat. Permintaan gandum di Indonesia selalu meningkat setiap tahun tetapi berbanding terbalik dengan jumlah produksi gandum nasional. Salah satu faktor yang menghambat produksi gandum adalah kegagalan panen akibat penyakit atau hama. Penyakit yang umum pada tanaman gandum adalah Septoria dan Stripe Rust. Penyakit tersebut dapat diidentifikasi melalui warna dan bercak daun. Seiring perkembangan teknologi, petani dapat mengawasi tanaman secara otomatis menggunakan bantuan komputer. Dengan menggunakan deep learning, penyakit pada tanaman gandum dapat diidentifikasi dengan mudah. Penelitian ini bertujuan untuk mengidentifikasi penyakit pada tanaman gandum melalui daun menggunakan metode Residual Network (ResNet). ResNet adalah jenis arsitektur Convolution Neural Network (CNN) dengan menggunakan model yang sudah dilatih sebelumnya. Dengan ResNet tidak memerlukan untuk melatih data dari awal sehingga dapat mempersingkat waktu. Data yang digunakan terdiri dari 291 gambar yang terbagi menjadi normal, penyakit Septoria, dan penyakit Stripe Rust. Setelah pengujian didapatkan akurasi sebesar 98% dengan perbandingan data latih dan uji sebesar 90:10 dan nilai confusion matrix sebesar 0.35 sehingga dapat disimpulkan bahwa metode ResNet dapat mengidentifikasi penyakit pada tanaman gandum.