UNRIYOUNRIYO

International Journal of Informatics and ComputationInternational Journal of Informatics and Computation

Penelitian ini bertujuan mengembangkan dan menerapkan sistem deteksi penyakit tanaman untuk bibit kelapa sawit berdasarkan citra daun menggunakan arsitektur MobileNetV2 yang berbasis Jaringan Saraf Konvolusi (CNN). Model dilatih menggunakan dataset citra daun kelapa sawit untuk mendeteksi berbagai jenis penyakit tanaman. Dalam percobaan, model yang diterapkan menunjukkan hasil yang sangat baik, dengan akurasi pelatihan meningkat dari 79% pada epoch pertama hingga 96% pada epoch ke-15, dan akurasi validasi juga meningkat dari 89% menjadi 97%. Hasil ini menunjukkan bahwa model dapat mendeteksi penyakit tanaman secara efektif dengan kemampuan generalisasi yang baik pada data yang belum pernah dilihat sebelumnya. Dengan penurunan kerugian yang stabil dan peningkatan akurasi yang terus menerus, penelitian ini membuktikan bahwa arsitektur MobileNetV2 dapat digunakan secara efisien untuk deteksi penyakit tanaman. Penelitian ini juga menekankan potensi integrasi model ke dalam aplikasi untuk memberikan solusi praktis dalam pengelolaan perkebunan kelapa sawit dan mendukung pengambilan keputusan serta meningkatkan hasil pertanian.

Penelitian ini mengembangkan model deteksi penyakit tanaman berbasis CNN menggunakan arsitektur MobileNetV2 untuk mendeteksi penyakit pada bibit kelapa sawit.Model menunjukkan peningkatan akurasi yang signifikan, dari 79% pada epoch pertama menjadi 96% pada epoch ke-15, dengan penurunan kerugian yang stabil.Hasil ini menunjukkan bahwa sistem berbasis citra daun dapat digunakan untuk deteksi penyakit yang lebih efisien, memberikan manfaat bagi petani dalam identifikasi dini dan pengelolaan penyakit.Implementasi model ke dalam aplikasi memungkinkan deteksi penyakit yang lebih cepat dan akurat, mendukung pengelolaan perkebunan kelapa sawit yang lebih baik dan berkelanjutan.

Untuk penelitian lanjutan, disarankan untuk mengembangkan sistem deteksi penyakit yang lebih canggih dengan menggabungkan berbagai teknik pengolahan citra dan pembelajaran mesin. Selain itu, perlu dilakukan validasi lebih lanjut pada dataset yang lebih besar dan beragam untuk memastikan akurasi dan generalisasi model. Penelitian juga dapat fokus pada pengembangan aplikasi yang mudah digunakan oleh petani, dengan antarmuka yang intuitif dan kemampuan untuk memberikan rekomendasi pengelolaan penyakit secara real-time. Dengan demikian, teknologi ini dapat diterapkan secara luas di bidang pertanian, meningkatkan produktivitas dan keberlanjutan perkebunan kelapa sawit.

Read online
File size418.15 KB
Pages11
DMCAReport

Related /

ads-block-test