Deteksi Penyakit Pembibitan Pada Tanaman Durian Berdasarkan Citra Menggunakan Convolutional Neural Network

RIZKI NURFIRDAUS, MUH. IQBAL

Jurnal Riset Informatika dan Teknologi Informasi (JRITI)
Vol 2 No 1 (2024): Agustus - November 2024

ABSTRAKSI Pembudidayaan tanaman durian di Indonesia memiliki nilai ekonomi yang tinggi, berbagai macam varian menjadikannya sangat diminati banyak orang. Namun keterbatasan pengetahuan tentang penyakit menjadikan alasan rendahnya kualitas dan harga dipasaran. Maka dari itu diperlukan sistem deteksi yang dapat mengelompokan ciri serta bentuk dari beberapa penyakit, Penelitian ini untuk mempermudah petani melakukan perawatan. Menggunakan metode Convolutional Neural Network(CNN) yang termasuk supervised learning sehingga dapat dilakukan untuk klasifikasi bagian tanaman durian yang terdampak dan pendekatan data yang sudah di latih serta bervariabel. Tujuan penelitian ini mengetahui jenis penyakit yang terdapat pada tanaman durian. Hasil pengujian yang telah dilakukan dengan tingkat akurasi kalisifikasi menggunakan CNN sebesar 0.9233 dengan pengulangan sebanyak 200 epochs dari proses yang dilakukan di dapatkan hasil berupa gambar dan keterangan jenis penyakit sehingga dapat membantu meningkatkan kualitas dan harga. Kata Kunci: CNN, pembibitan tanaman, deteksi, penyakit, kualitas dan harga. ABSTRACT The cultivation of durian plants in Indonesia has a high economic value, various variants make it very attractive to many people. However, limited knowledge about the disease is the reason for the low quality and price in the market. Therefore a detection system is needed that can classify the characteristics and forms of several diseases. This research is to make it easier for farmers to treat them. Using the Convolutional Neural Network (CNN) method which includes supervised learning so that it can be carried out for classification of affected parts of the durian plant and a data approach that has been trained and is variable. The purpose of this study was to determine the types of diseases found in durian plants. The results of tests that have been carried out with a classification accuracy level using CNN of 0.9233 with a repetition of 200 epochs from the process carried out get results in the form of pictures and descriptions of the types of diseases so that they canhelpimprovequalityandprice.Keywords: CNN, plant nursery, detection, disease, quality and price.