Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Kohesi: Jurnal Sains dan Teknologi
Syeda Aliya Bukhari
Unknown Affiliation
Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Education Energy Engineering Other

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

Found 1 Documents
Search

 1 
IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK DIAGNOSA PENYAKIT TANAMAN CABAI PADA CITRA DAUN Syeda Aliya Bukhari
Kohesi: Jurnal Sains dan Teknologi Vol. 3 No. 10 (2024): Kohesi: Jurnal Sains dan Teknologi
Publisher : CV SWA Anugerah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.3785/kohesi.v3i10.4077

Abstract

Penelitian ini telah mengimplementasikan metode Convolutional Neural Network (CNN) untuk mendiagnosis penyakit pada tanaman cabai melalui citra daun. Tujuan utama penelitian ini adalah untuk mengembangkan model yang mampu mengidentifikasi berbagai jenis penyakit daun cabai dengan akurasi tinggi. Data yang digunakan dalam penelitian ini terdiri dari 400 citra daun cabai yang terbagi dalam empat kategori penyakit dan satu kategori sehat. Metodologi yang diterapkan meliputi pre-processing citra, pelabelan, dan pelatihan model menggunakan arsitektur AlexNet. Hasil penelitian menunjukkan bahwa model CNN mampu mencapai akurasi 100% untuk penyakit Leaf Curl dan Leaf Spot, 90% untuk Whitefly, 80% untuk kategori Healthy, dan 70% untuk Yellowish. Temuan ini menunjukkan bahwa model CNN efektif dalam mendeteksi penyakit pada tanaman cabai, meskipun masih ada ruang untuk perbaikan pada beberapa kategori. Penelitian ini menawarkan solusi efektif untuk diagnosa penyakit tanaman cabai dan memiliki potensi untuk diterapkan di sektor pertanian.
Co-Authors