Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Kolaboratif Sains
Citra Dea Wulandari
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Environmental Science Health Professions Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Nursing Public Health Other

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

Found 1 Documents
Search

 1 
Penerapan Deep Learning Berbasis CNN untuk Klasifikasi Otomatis Penyakit Daun Kelapa Sawit: Application of CNN-Based Deep Learning for Automatic Classification of Oil Palm Leaf Diseases Nanang Riyadi; Erni Rouza; Fajar Maftukhan; Sukma Zahara; Theresia Panjaitan; Citra Dea Wulandari; Rendi Saputra
Jurnal Kolaboratif Sains Vol. 9 No. 1: Januari 2026 -In Progress
Publisher : Universitas Muhammadiyah Palu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56338/jks.v9i1.9802

Abstract

Penelitian ini mengembangkan model Convolutional Neural Network (CNN) untuk mengidentifikasi lima jenis gangguan pada daun kelapa sawit, yaitu Curvularia, defisiensi kalium, defisiensi magnesium, karat daun, dan serangan ulat menggunakan citra digital. Dataset berjumlah 5000 citra diproses melalui tahapan pra-pemrosesan dan augmentasi untuk meningkatkan keragaman visual. Model dilatih menggunakan arsitektur CNN dasar dengan optimizer Adam dan loss function categorical cross-entropy. Hasil evaluasi menunjukkan akurasi rata-rata 88% dengan nilai precision, recall, dan F1-score yang stabil. Kelas Karat Daun dan Serangan Ulat menjadi kategori dengan performa terbaik karena memiliki gejala visual yang tegas, sedangkan defisiensi kalium dan magnesium menunjukkan tingkat kesalahan lebih tinggi akibat kemiripan ciri. Temuan ini mengonfirmasi bahwa CNN efektif sebagai perangkat deteksi berbasis citra dan berpotensi dikembangkan lebih lanjut melalui peningkatan kualitas dataset, arsitektur model, serta integrasi dengan sensor lapangan untuk mendukung praktik budidaya kelapa sawit yang lebih presisi dan berkelanjutan.
Co-Authors Erni Rouza Fajar Maftukhan Nanang Riyadi Rendi Saputra Sukma Zahara Theresia Panjaitan