DETEKSI PENYAKIT TANAMAN CABAI BERBASIS DEEP LEARNING MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK SECARA REAL TIME
DOI:
https://doi.org/10.52072/unitek.v18i2.1467Kata Kunci:
Chili plants, Deep Learning, CNN, MobileNet, Early Disease DetectionAbstrak
Cabai merupakan salah satu komoditas hortikultura yang memiliki nilai ekonomi tinggi di Indonesia, namun rentan terhadap serangan berbagai penyakit seperti daun keriting, virus gemini, antraknosa, layu, serangan whitefly, dan ulat grayak. Deteksi secara dini terhadap penyakit-penyakit ini sangat krusial guna mencegah kerugian hasil panen. Penelitian ini bertujuan mengembangkan sistem pendeteksian penyakit pada tanaman cabai menggunakan pendekatan deep learning dengan arsitektur Convolutional Neural Network (CNN), khususnya menggunakan model MobileNet yang dikenal efisien dalam klasifikasi citra. Sistem dikembangkan agar dapat beroperasi secara real-time melalui kamera perangkat. Proses pengembangan mengikuti metode Waterfall dalam Software Development Life Cycle (SDLC), meliputi tahap perencanaan, analisis, perancangan, implementasi, hingga pengujian. Berdasarkan hasil uji coba, sistem menunjukkan tingkat akurasi yang tinggi dalam mengklasifikasikan daun cabai sehat dan yang terinfeksi penyakit. Diharapkan sistem ini dapat menjadi alat bantu bagi petani dalam mendeteksi penyakit lebih awal dan mengambil langkah preventif secara cepat, sehingga dapat menunjang peningkatan produktivitas hasil pertanian cabai.
Unduhan
Referensi
Achmad Naila Muna Ramadhani, Galuh Wilujeng Saraswati, Rama Tri Agung, & Heru Agus Santoso. (2023). Performance Comparison of Convolutional Neural Network and MobileNetV2 for Chili Diseases Classification. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 7(4), 940–946. https://doi.org/10.29207/resti.v7i4.5028
Bukhari, S. A. (n.d.). Implementasi Metode Convolutional Neural Network (CNN) Untuk Diagnosa Penyakit Tanaman Cabai Pada Citra Daun. https://ejournal.warunayama.org/kohesi
Dai, M., Sun, W., Wang, L., Dorjoy, M. M. H., Zhang, S., Miao, H., Han, L., Zhang, X., & Wang, M. (2023). Pepper leaf disease recognition based on enhanced lightweight convolutional neural networks. Frontiers in Plant Science, 14. https://doi.org/10.3389/fpls.2023.1230886
Kahfi Ash Shiddiq, A., Dzikrullah Syahputra, T., & Islam Negeri Alauddin Makassar, U. (n.d.). Deteksi Penyakit pada Tanaman Padi Menggunakan MobileNet Transfer Learning Berbasis Android. 2(2), 2022.
Si, J., & Kim, S. (2024). CRASA: Chili Pepper Disease Diagnosis via Image Reconstruction Using Background Removal and Generative Adversarial Serial Autoencoder. Sensors, 24(21). https://doi.org/10.3390/s24216892
Tsany, A., & Dzaky, R. (n.d.). Deteksi Penyakit Tanaman Cabai Menggunakan Metode Convolutional Neural Network.
Winiarti, S., Khoirunnisa, I. I., & Seman, N. (2024). Mobile Application Development for Chili Disease Detection with Convolutional Neural Network. International Journal of Informatics and Computation (IJICOM), 6(2). https://doi.org/10.35842/ijicom
