Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal G-Tech : Jurnal Teknologi Terapan
Burhan Syarif Acarya
Universitas Pembangunan Nasional "Veteran" Jawa Timur, Indonesia
Computer Science & IT Decision Sciences, Operations Research & Management Energy Engineering

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

Found 1 Documents
Search

 1 
Identifikasi Penyakit Daun Jeruk Siam Menggunakan Convolutional Neural Network (CNN) dengan Arsitektur EfficientNet Burhan Syarif Acarya; Amri Muhaimin; Kartika Maulida Hindrayani
G-Tech: Jurnal Teknologi Terapan Vol 8 No 2 (2024): G-Tech, Vol. 8 No. 2 April 2024
Publisher : Universitas Islam Raden Rahmat, Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33379/gtech.v8i2.4120

Abstract

Jeruk siam menjadi salah satu komoditas hortikultura yang memegang peranan utama dalam sektor pertanian Indonesia dengan jumlah produksi yang mencapai 2 juta ton setiap tahunnya. Namun, produksi jeruk siam rentan terhadap serangan hama dan penyakit, terutama pada bagian daun. Penyakit yang umum terjadi termasuk Blackspot Leaf, Canker Leaf, Greening Leaf, Powdery Mildew, dan Citrus Leafminer. Pada umunya identifikasi penyakit pada tanaman jeruk dilakukan secara manual sehingga penentuan penyakit cenderung subyektif. Oleh karena itu, diperlukan solusi otomatis dalam mendeteksi penyakit pada daun jeruk. Tujuan penelitian yaitu untuk mengidentifikasi penyakit yang menyerang daun jeruk menggunakan metode deep learning yaitu CNN dengan arsitektur EfficientNetB3. Dataset yang digunakan adalah citra penyakit daun jeruk yang diambil langsung dari kebun jeruk yang dibagi menjadi 6 kelas seperti pada penyakit yang disebutkan di atas. Hasil penelitian menggunakan skenario epoch 10 dengan optimizer Adam memperoleh hasil akurasi terbaik yaitu 0,98 (98%).
Co-Authors Amri Muhaimin Kartika Maulida Hindrayani