Ulfi, Meitra
Unknown Affiliation

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

Found 1 Documents
Search

Implementasi Deep Learning dengan Convolutional Neural Network untuk Pendeteksian Hama pada Sawi Hijau Menggunakan Google Colab Ulfi, Meitra; Nurliani; Nurafidah, Annisa; Saudah; Lubis, Adyanata
RJOCS (Riau Journal of Computer Science) Vol. 10 No. 2 (2024): RJOCS (Riau Journal of Computer Science)
Publisher : Fakultas Ilmu Komputer, Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjocs.v10i2.2854

Abstract

Penelitian ini mengkaji penerapan metode Convolutional Neural Network (CNN) untuk mengidentifikasi penyakit hama pada daun sawi hijau berdasarkan gambar berwarna, dengan tujuan utama mengembangkan model yang mampu mendeteksi berbagai jenis penyakit hama dengan akurasi tinggi guna membantu petani dalam mengelola penyakit pada tanaman sawi hijau secara lebih efektif. Google Colab digunakan sebagai platform pemrosesan karena menyediakan lingkungan komputasi yang kuat dengan akses gratis ke GPU, sehingga mempercepat pelatihan model. Dataset yang digunakan dalam penelitian ini diperoleh dari platform Kaggle, yang menyediakan 100 gambar sampel untuk pelatihan dan 50 gambar untuk validasi yang terbagi dalam dua kelas: sehat dan terinfeksi hama. Validasi dilakukan untuk menguji kemampuan model dalam memprediksi data baru yang belum pernah dilihat sebelumnya, dan model CNN dibangun menggunakan berbagai pustaka seperti TensorFlow, Keras, NumPy, Pandas, Matplotlib, dan scikit-learn. Hasil penelitian menunjukkan bahwa model CNN yang dikembangkan mampu mencapai akurasi sebesar 99% pada pengujian menggunakan 10 epoch. Dengan hasil ini, diharapkan sistem yang diusulkan dapat digunakan sebagai alat bantu yang efektif bagi petani dalam mengidentifikasi penyakit hama pada daun sawi hijau, sehingga dapat meningkatkan hasil dan kualitas produksi tanaman sawi hijau