Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Ningrum, Bella Nurbuana Tri Cahya
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

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

Found 1 Documents
Search

 1 
Implementasi Deep Learning Untuk Pengenalan Penyakit Antraks Pada Buah Cabai Ningrum, Bella Nurbuana Tri Cahya; Mahdiyah, Umi; Swanjaya , Daniel
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 1 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i1.4918

Abstract

Penelitian ini mengimplementasikan Deep Learning, khususnya Convolutional Neural Network (CNN), untuk mendeteksi penyakit antraks pada buah cabai. CNN digunakan untuk mengklasifikasikan citra cabai terinfeksi dan tidak terinfeksi. Data gambar dikumpulkan dan diproses menggunakan TensorFlow's ImageDataGenerator untuk normalisasi, resize, dan pembagian batch. Grafik akurasi pada data pelatihan dan validasi dipantau selama proses pelatihan, sementara akurasi pada data pengujian dievaluasi setelahnya. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengendalian penyakit antraks pada tanaman cabai, meningkatkan hasil panen, dan mengurangi kegagalan panen yang disebabkan oleh penyakit. Implementasi pengenalan penyakit cabai menggunakan Convolutional Neural Network (CNN) menunjukkan bahwa CNN berhasil mengklasifikasikan penyakit Antraks pada cabai. Model mencapai akurasi validasi terbaik sebesar 90% pada epoch ke-23, berdasarkan grafik Training and Validation Loss serta Training and Validation Accuracy.
Co-Authors Mahdiyah, Umi Swanjaya , Daniel