UNBINUNBIN
Jurnal SAINTEKOM (Sains dan Teknologi Komputasi)Jurnal SAINTEKOM (Sains dan Teknologi Komputasi)Penyakit virus kuning merupakan salah satu gangguan utama yang sering menyerang tanaman cabai. Penelitian ini bertujuan untuk menerapkan pendekatan machine learning berbasis Convolutional Neural Network (CNN) dalam mengidentifikasi penyakit virus kuning secara lebih cepat dan akurat. Data citra diperoleh dari dataset penelitian, kemudian diproses melalui tahapan pre-processing dan pelatihan model CNN dengan evaluasi menggunakan Confusion Matrix. Hasil pengujian menunjukkan nilai akurasi 83,33%, presisi 83,33%, recall 83,33%, dan F1-Score 83,33%. Dengan demikian, penelitian ini membuktikan bahwa penerapan algoritma CNN pada sistem berbasis web mampu memberikan prediksi yang cukup akurat dan efektif dalam mengidentifikasi penyakit virus kuning pada tanaman cabai.
Berdasarkan hasil penelitian dan pengujian yang telah dilakukan mengenai identifikasi penyakit virus kuning pada tanaman cabai menggunakan pendekatan Convolutional Neural Network (CNN), dapat disimpulkan bahwa model CNN yang dikembangkan mampu melakukan identifikasi penyakit virus kuning pada citra daun cabai dengan cukup baik.Proses ekstraksi fitur visual yang dilakukan CNN dapat membedakan antara daun sehat dan daun yang terinfeksi sesuai dengan tujuan penelitian.Sistem yang dibangun berbasis web telah berhasil diimplementasikan dengan antarmuka sederhana, sehingga dapat digunakan sebagai alat bantu oleh petani maupun pihak terkait dalam mendeteksi penyakit virus kuning secara cepat dan objektif dibandingkan pemeriksaan secara konvensional.
Berdasarkan hasil penelitian, terdapat beberapa saran penelitian lanjutan yang dapat dikembangkan. Pertama, perlu dilakukan pengembangan dataset yang lebih beragam, termasuk variasi kondisi pencahayaan dan sudut pengambilan gambar, untuk meningkatkan robustitas model CNN dalam mengidentifikasi penyakit virus kuning pada berbagai kondisi lingkungan. Kedua, penelitian selanjutnya dapat memperluas cakupan deteksi penyakit dengan menambahkan klasifikasi jenis penyakit lain yang menyerang tanaman cabai, sehingga sistem dapat memberikan diagnosis yang lebih komprehensif. Ketiga, pengembangan sistem dapat dilanjutkan dengan mengintegrasikan data sensor lingkungan, seperti suhu dan kelembaban, untuk memprediksi potensi serangan penyakit virus kuning berdasarkan kondisi lingkungan yang mendukung perkembangannya. Integrasi data ini diharapkan dapat memberikan peringatan dini kepada petani dan membantu mereka mengambil tindakan pencegahan yang tepat untuk mengurangi risiko kerugian akibat serangan penyakit.
- IASC | Hybrid Convolutional Neural Network for Plant Diseases Prediction. iasc hybrid neural network... doi.org/10.32604/iasc.2023.024820IASC Hybrid Convolutional Neural Network for Plant Diseases Prediction iasc hybrid neural network doi 10 32604 iasc 2023 024820
- Potato Leaf Disease Recognition and Prediction using Convolutional Neural Networks | EAI Endorsed Transactions... doi.org/10.4108/eetsis.3937Potato Leaf Disease Recognition and Prediction using Convolutional Neural Networks EAI Endorsed Transactions doi 10 4108 eetsis 3937
- Implementasi Algoritma Convolutional Neural Network untuk Meningkatkan Identifikasi Penyakit Tanaman... doi.org/10.61132/jupiter.v2i4.418Implementasi Algoritma Convolutional Neural Network untuk Meningkatkan Identifikasi Penyakit Tanaman doi 10 61132 jupiter v2i4 418
| File size | 540.69 KB |
| Pages | 13 |
| DMCA | Report |
Related /
UHBUHB Namun, implementasi blockchain dalam eMR masih menghadapi beberapa tantangan, termasuk kesiapan infrastruktur dan biaya implementasi yang tinggi, sertaNamun, implementasi blockchain dalam eMR masih menghadapi beberapa tantangan, termasuk kesiapan infrastruktur dan biaya implementasi yang tinggi, serta
UNSURYAUNSURYA 969 memiliki selisih gap sebesar 0. 210. Dimensi assurance bernilai persepsi 1. 853 dan bernilai ekspektasi 1. 648 memiliki selisih gap sebesar 0. 205.969 memiliki selisih gap sebesar 0. 210. Dimensi assurance bernilai persepsi 1. 853 dan bernilai ekspektasi 1. 648 memiliki selisih gap sebesar 0. 205.
RESCOLLACOMMRESCOLLACOMM Hasil eksperimen menunjukkan akurasi deteksi yang tinggi (98,6%) dan presisi servo sangat baik, dengan kesalahan sudut rata-rata hanya 0,25% untuk servoHasil eksperimen menunjukkan akurasi deteksi yang tinggi (98,6%) dan presisi servo sangat baik, dengan kesalahan sudut rata-rata hanya 0,25% untuk servo
UNESAUNESA Sistem input terdiri dari penilaian berdasarkan Hasil Pembelajaran Mata Kuliah (CLO), sementara output mencerminkan kinerja siswa. Hasil eksperimen menunjukkanSistem input terdiri dari penilaian berdasarkan Hasil Pembelajaran Mata Kuliah (CLO), sementara output mencerminkan kinerja siswa. Hasil eksperimen menunjukkan
UHBUHB Namun, beberapa tantangan, seperti keterbatasan dataset dan ketergantungan pada fitur-fitur tertentu, juga telah diidentifikasi. Selain itu, potensi danNamun, beberapa tantangan, seperti keterbatasan dataset dan ketergantungan pada fitur-fitur tertentu, juga telah diidentifikasi. Selain itu, potensi dan
UHBUHB Namun, tantangan seperti konsumsi energi tinggi dan kompleksitas komputasi masih perlu diatasi melalui penelitian lebih lanjut untuk integrasi yang efisienNamun, tantangan seperti konsumsi energi tinggi dan kompleksitas komputasi masih perlu diatasi melalui penelitian lebih lanjut untuk integrasi yang efisien
UHBUHB Dibandingkan dengan metode konvensional, logika fuzzy mampu mengatasi ketidakpastian dalam diagnosa kanker dengan lebih baik, meningkatkan akurasi diagnosis,Dibandingkan dengan metode konvensional, logika fuzzy mampu mengatasi ketidakpastian dalam diagnosa kanker dengan lebih baik, meningkatkan akurasi diagnosis,
UM SURABAYAUM SURABAYA Dengan akurasi tersebut, model ini dapat digunakan untuk memprediksi jumlah lulusan tahun-tahun berikutnya selama tidak ada perubahan kebijakan atau faktorDengan akurasi tersebut, model ini dapat digunakan untuk memprediksi jumlah lulusan tahun-tahun berikutnya selama tidak ada perubahan kebijakan atau faktor
Useful /
UNBINUNBIN Pengujian menunjukkan tingkat keberhasilan 100%, akurasi sensor 94,16%, dan penghematan air sebesar 13,33%. Sistem ini terbukti efektif, efisien, dan layakPengujian menunjukkan tingkat keberhasilan 100%, akurasi sensor 94,16%, dan penghematan air sebesar 13,33%. Sistem ini terbukti efektif, efisien, dan layak
UNBINUNBIN Hasil uji menunjukkan sistem memperoleh tingkat kelayakan 89% (Sangat Layak) dari Uji Ahli dan lebih dari 90% pada aspek kemudahan, kualitas informasi,Hasil uji menunjukkan sistem memperoleh tingkat kelayakan 89% (Sangat Layak) dari Uji Ahli dan lebih dari 90% pada aspek kemudahan, kualitas informasi,
UNBINUNBIN Penelitian ini bertujuan mengembangkan sistem pemantauan barang berbasis Internet of Things (IoT) dengan penerapan algoritma You Only Look Once (YOLO)Penelitian ini bertujuan mengembangkan sistem pemantauan barang berbasis Internet of Things (IoT) dengan penerapan algoritma You Only Look Once (YOLO)
IIKPELAMONIAIIKPELAMONIA Sikap perawat yang kurang aktif dalam berkomunikasi dapat menghambat penerapan clinical pathway, menyebabkan kesalahan dalam penanganan pasien, dan berpotensiSikap perawat yang kurang aktif dalam berkomunikasi dapat menghambat penerapan clinical pathway, menyebabkan kesalahan dalam penanganan pasien, dan berpotensi