IDENTIFIKASI KUALITAS BENIH JAHE MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN)
Abstract Views : 372 / Downloads Count: 324DOI:
https://doi.org/10.31949/infotech.v9i1.5458Keywords:
Identifikasi, jahe, cnnAbstract
Jahe adalah salah satu komoditas ekspor rempah-rempah Indonesia. Peningkatan permintaan jahe belum seimbang dengan produksi jahe. Rendahnya produktivitas jahe ini disebabkan antara lain oleh rendahnya ketersediaan benih jahe yang unggul dan sehat, kurangnya informasi terkait teknik budidaya jahe dan gangguan organisme pengganggu tumbuhan (OPT). Benih pada jahe adalah pembawa sifat genetik pada sebuah tanaman untuk menentukan potensi hasil yang terbaik. Untuk mendapatkan benih yang layak rimpang perlu dilakukan proses pemilahan. Proses pemilahan benih jahe yang berkembang di Indonesia biasanya masih dilakukan
secara manual seperti melihat satu per satu benih, hal tersebut merlukan waktu cukup lama. Dari masalah tersebut, maka dibuatlah model algoritma untuk mengidentifikasi kualitas benih jahe melalui sebuah pengolahan citra digital. Convolutional Neural Network (CNN) merupakan metode pengenal pola yang secara langsung mempelajari karakteristik dari benih jahe. CNN dapat membuat model klasifikasi citra benih jahe untuk diukur tingkat akurasi dan peforma model klasifkasi citra digital benih jahe. Pada penelitian ini menggunakan metode CNN yang memiliki tingkat akurasi 88% dalam mengenali citra digital benih jahe dari total dataset sebanyak 1187 citra dengan proporsi data latih 70% (825 citra), data validasi 20% (240 citra), dan data uji 10% (122 citra). Sehingga dapat disimpulkan bahwa model CNN yang dirancang dapat mengidentifikasikan citra dengan baik.
Downloads
References
Ahmad Hania, A. (2017). Mengenal Artificial Intelligence, Machine Learning, & Deep Learning. Jurnal Teknologi Indonesia, 1(June), 1–6. https://amt-it.com/mengenal-perbedaan-artificial-inteligence-machine-learning-deep-learning/
Arkadia, A., Damayanti, S. A., & Prasvita, D. S. (2021). Klasifikasi Buah Mangga Badami Untuk Menentukan Tingkat Kematangan dengan Metode CNN. Seminar Nasional Mahasiswa Ilmu Komputer Dan Aplikasinya (SENAMIKA), September, 158–165.
Djiwanti, S. R. (2015). Perlakuan Benih Air Panas, Ekstrak Mimba Dan Jarak Kepyar Untuk Mengendalikan Nematoda (Meloidogyne spp.) Terbawa Rimpang Jahe. Effectiveness of several seed treatment methods to control rhizome seed-borne nematode Meloidogyne spp. ofginger. Bul. Littro, 26(1), 55–62.
Dwi Fitriana Sari, & Swanjaya, D. (2020). Implementasi Convolutional Neural Network Untuk Identifikasi Penyakit Daun Gambas. Seminar Nasional Inovasi Teknologi, 04(03), 137–142.
Fauzi, S., Eosina, P., & Laxmi, G. F. (2019). Implementasi Convolutional Neural Network Untuk Identifikasi Ikan Air Tawar. Seminar Nasional Teknologi Informasi, 163–167.
Felix, Faisal, S., Butarbutar, T. F. M., & Sirait, P. (2019). Implementasi CNN dan SVM untuk Identifikasi Penyakit Tomat via Daun. Issn 2622-8130, 20(2), 117–134.
Latifah, K. ., Jauhari, E., Januwati, M., Rizal, M., D.Wardana, H., Hendani, N., Listyorini, Baswasiati, Hartoyo, B., Purwanto, Nurwidodo, Supriyadi, Elnizar, Hikmat, A., & Lina. (2014). Budidaya Jahe ( Zingiber officinale ). Paper Knowledge . Toward a Media History of Documents.
Nour, E. (2018). IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI TANAMAN PADA CITRA RESOLUSI TINGGI ( The Implementation of Convolutional Neural Network Method for Agricultural Plant Classification in High Resolution Imagery ). 61–68.
Penyakit, P., & Bakteri, L. (2016). Otih Rostiana. January 2007, 76–100.
Rasywir, E., Sinaga, R., & Pratama, Y. (2020). Analisis dan Implementasi Diagnosis Penyakit Sawit dengan Metode Convolutional Neural Network (CNN). Paradigma - Jurnal Komputer Dan Informatika, 22(2), 117–123. https://doi.org/10.31294/p.v22i2.8907
Rozaqi, A. J., Sunyoto, A., & Arief, M. rudyanto. (2021). Deteksi Penyakit Pada Daun Kentang Menggunakan Pengolahan Citra dengan Metode Convolutional Neural Network. Creative Information Technology Journal, 8(1), 22. https://doi.org/10.24076/citec.2021v8i1.263
Sholihin, M. (2021). Identifikasi Kesegaran Ikan Berdasarkan Citra Insang dengan Metode Convolution Neural Network. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 8(3), 1352–1360. https://doi.org/10.35957/jatisi.v8i3.939
Teknologi, S., & Penelitian, H. (2011). Zingiber officinale Rosc. In SpringerReference. https://doi.org/10.1007/springerreference_69739
You, J. (2021). Leaf Image Classification Using Deep Learning Network. 4(3), 109–115. https://doi.org/10.25236/AJCIS.2021.040317
Zainuri, M., & Pamungkas, D. P. (2020). Implementasi Metode Convolutional Neural Network (CNN) Untuk Klasifikasi Jenis Bunga Anggrek. In Seminar Nasional Inovasi Teknologi (pp. 87–92).
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 INFOTECH journal
![Creative Commons License](http://i.creativecommons.org/l/by-nc-sa/4.0/88x31.png)
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.