Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
Anwar Fuadi
Universitas Singaperbangsa Karawang
Computer Science & IT Education

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

Found 1 Documents
Search

 1 
PERBANDINGAN ARSITEKTUR MOBILENET DAN NASNETMOBILE UNTUK KLASIFIKASI PENYAKIT PADA CITRA DAUN KENTANG Anwar Fuadi; Aries Suharso
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 7, No 3 (2022)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v7i3.3026

Abstract

Tanaman kentang adalah tanaman yang dapat berkembang biak secara vegetatif melalui umbi. Kentang mempunyai peranan cukup penting untuk dimanfaatkan sebagai usaha. Penurunan produksi kentang 80% diakibatkan oleh penyakit yang dapat mengakibatkan penurunan produksi secara maksimal karena terjadi penghambatan pertumbuhan. Early blight dan late blight merupakan penyakit yang umum menyerang tanaman kentang. Penyakit tersebut dapat diidentifikasi melalui bercak dan warna pada daun tanaman kentang. Dengan majunya proses perkembangan teknologi komputasi maka proses identifikasi tersebut dapat dilakukan dengan menggunakan deep learning. Penelitian ini bertujuan untuk membandingkan arsitektur MobileNet dan NASNetMobile dalam melakukan deteksi penyakit pada daun tanaman kentang. Kedua arsitektur tersebut digunakan untuk menyelesaikan masalah klasifikasi gambar pada perangkat mobile. Penelitian ini menggunakan beberapa skema pemisahan data latih dan data uji seperti 90:10, 80:20, 70:30, 60:40, dan 50:50. Data yang digunakan pada penelitian ini terbagi menjadi gambar daun kentang sehat, gambar daun kentang terinfeksi Early Blight, dan gambar daun kentang terinfeksi Late Blight. Di akhir penelitian ditemukan bahwa pada skema pengujian menggunakan arsitektur NASNetMobile dengan perbandingan data latih dan data uji sebesar 90:10 menghasilkan accuracy sebesar 90.96%, precision sebesar 90.86%, recall sebesar 91.11%, dan f1 score sebesar 92.93%.
Co-Authors Aries Suharso