Identifikasi Malnutrisi Pada Tanaman Padi Berdasarkan Citra Daun Menggunakan Algoritma Convolutional Neural Network (CNN)

• Muhsin
• 2023

---

ABSTRAK

Muhsin (15190025), Identifikasi Malnutrisi Pada Tanaman Padi Berdasarkan Citra Daun Menggunakan Algoritma Convolutional Neural Network (CNN).
Padi merupakan tanaman yang memiliki peran penting dalam pemenuhan kebutuhan pangan di Indonesia. Namun pertumbuhan dan produksi tanaman padi dapat terganggu oleh beberapa faktor diantaranya kondisi lingkungan dan kesehatan tanaman. Malnutrisi tanaman padi adalah masalah serius yang dapat mengurangi hasil panen dan kualitas beras. Penelitian ini bertujuan untuk menggali dan mengidentifikasi malnutrisi daun padi serta mengevaluasi dampaknya pada para petani. Dalam penelitian ini, peneliti menggunakan algoritma CNN sebagai kerangka kerja untuk membuat model identifikasi dengan lebih baik. Melalui penelitian ini, peneliti berharap dapat memberikan pemahaman yang lebih dalam tentang malnutrisi pada tanaman padi dan memberikan wawasan yang berharga bagi para petani. Peneliti juga berupaya untuk menawarkan solusi atau rekomendasi yang dapat diterapkan untuk mengatasi permasalahan ini. Dalam upaya untuk memecahkan permasalahan yang diangkat, peneliti mengumpulkan dan menganalisis data dari berbagai sumber, termasuk kaggle. Peneliti juga melakukan riset terhadap kantor pertanian untuk mendapatkan perspektif yang beragam tentang isu ini. Hasil penelitian menunjukkan tingkat akurasi model identifikasi memiliki nilai 98,89 % dan memberikan kontribusi pada pemahaman umum tentang malnutrisi daun padi. Peneliti berharap temuan ini dapat mendorong diskusi yang lebih lanjut dan tindakan yang relevan dalam rangka menangani malnutrisi pada tanaman. Peneliti menyadari bahwa setiap permasalahan memiliki keterbatasan dan batasan tertentu. Oleh karena itu, peneliti menyarankan agar penelitian lanjutan dilakukan untuk memperdalam pemahaman dan mengatasi kendala yang ditemukan selama penelitian ini.

Kata Kunci: Malnutrisi, Identifikasi, Padi.

ABSTRACT
Muhsin (15190025), Identification of Malnutrition in Rice Plants Based on Leaf Images Using Convolutional Neural Network (CNN) Algorithm.
Rice is a crucial crop for food security in Indonesia. However, the growth and production of rice plants can be disrupted by various factors, including environmental conditions and plant health. Malnutrition in rice plants is a significant issue that can reduce crop yields and the quality of rice. This research aims to explore and identify malnutrition in rice leaves and evaluate its impact on farmers. In this study, the researcher employs the CNN algorithm as a framework to create a more robust identification model. Through this research, the researcher hopes to provide a deeper understanding of malnutrition in rice plants and offer valuable insights for farmers. The researcher also strives to propose solutions or recommendations that can be implemented to address this issue. In an effort to address the raised issue, the researcher collects and analyzes data from various sources, including Kaggle. Additionally, the researcher conducts research with agricultural offices to gain diverse perspectives on this issue. The research results show that the accuracy level of the identification model is 98.89%, contributing to the general understanding of malnutrition in rice leaves. The researcher hopes that these findings will stimulate further discussion and relevant actions to tackle malnutrition in plants. The researcher acknowledges that every issue has its limitations and specific constraints. Therefore, the researcher suggests that further research be conducted to deepen the understanding and address the challenges encountered during this study.

Keywords: Malnutrition, Identification, Rice.
 

• Komputer

DAFTAR PUSTAKA

Adenia, R., Minarno, A. E., & Azhar, Y. (2022). Implementasi Convolutional Neural Network Untuk Ekstraksi Fitur Citra Daun Dalam Kasus Deteksi Penyakit Pada Tanaman Mangga Menggunakan Random Forest. REPOSITOR, 4(4), 473–482.
Anggiratih, E., Siswanti, S., Octaviani, S. K., & Sari, A. (2021). Klasifikasi Penyakit Tanaman Padi Menggunakan Model Deep Learning Efficientnet B3 dengan Transfer Learning. Jurnal Ilmiah SINUS, 19(1), 75. https://doi.org/10.30646/sinus.v19i1.526
Cherlinka. (2022, May 31). https://eos.com/. Nutrient Deficiencies In Plants: How To Identify & Treat. https://eos.com/blog/nutrient-deficiency-in-plants/
Dewi, C., Anjarwati, F., & Cholissodin, I. (2017). Implementasi Citra Digital Untuk Identifikasi Penyakit Pada Daun Padi Menggunakan Anfis.
Fitra Maulana, F., & Rochmawati, N. (2019). Klasifikasi Citra Buah Menggunakan Convolutional Neural Network. Journal of Informatics and Computer Science.
Holden. (2018). https://www.python.org/. https://www.python.org/
Juliansyah, S., & Laksito, A. D. (2021). Klasifikasi Citra Buah Pir Menggunakan Convolutional Neural Networks. Jurnal Telekomunikasi Dan Komputer, 11(1), 65–72. https://doi.org/10.22441/incomtech.v10i2.10185
JupyterLab Organization. (2014). https://jupyter.org/. https://jupyter.org/
Jurnal, H., Aprilian Prastianing Huda, P., & Akbar Riadi, A. (2021). Jurnal Manajemen Informatika Klasifikasi Penyakit Tanaman Pada Daun Apel dan Daun Anggur Menggunakan Convolutional Neural Networks. JUMIKA, 8(1).
UPTD Pertanian Wilayah VI Jampangkulon, (2018).
Lesmana, A. M., Fadhillah, R. P., & Rozikin, C. (2022). Identifikasi Penyakit pada Citra Daun Kentang Menggunakan Convolutional Neural Network (CNN). Jurnal Sains Dan Informatika, 8(1), 21–30. https://doi.org/10.34128/jsi.v8i1.377
Pambudi, H. K., Giri, P., Kusuma, A., Yulianti, F., Ahessa, K., Jurnal, J., Teknologi, I., Terapan, I., Julian, K. A., Studi, P., Logistik, T., & Rekayasa Industri, F. (2020). Prediksi Status Pengiriman Barang Menggunakan Metode Machine Learning.
Pintanarum, R., Prasetiadi, A., & Ramdani, C. (n.d.). Klasifikasi Rasa Berdasarkan Citra Buah Menggunakan Algoritma Convolutional Neural Network Dengan Teknik Identitas Ganda. In IJIS Indonesian Journal on Information System.
Rahmadewi, R., purwanti, E., & efelina, V. (2018). Identifikasi Jenis Tumbuhan Menggunakan Citra Daun Berbasis Jaringan Saraf Tiruan (Artificial Neural Networks). Jurnal Media Elektro; Vol 7 No 2 (2018): Oktober 2018; 38 - 43 ; 2715-4963 ; 2252-6692 ; 10.35508/Jme.V0i0. https://ejurnal.undana.ac.id/index.php/jme/article/view/427
Ramadhani, A., Ardiansyah Sembiring, M., & Royal, S. (2022). Sistem Kendali Berbasis Machine Learning Menggunakan Model Neive Bayes Pada Pengeringan Padi Otomatis. In Journal of Science and Social Research (Issue 3). http://jurnal.goretanpena.com/index.php/JSSR
Susanti, D., & Safrina, D. (2018). Identifikasi Luas Daun Spesifik dan Indeks Luas Daun Pegagan Di Karangpandan, Karanganyar, Jawa Tengah. Jurnal Tumbuhan Obat Indonesia; Vol 11, No 1 (2018): Jurnal Tumbuhan Obat Indonesia; 11-17. http://ejournal.litbang.depkes.go.id/index.php/toi/article/view/8242
Utami, M., Andika, J., & Attamimi, S. (2021). Artificial Intelligence For Banana’s Ripeness Detection Using Conventional Neural Network Algorithm. Jurnal Teknologi Elektro, 12(2), 73. https://doi.org/10.22441/jte.2021.v12i2.005
Yuliany, S., & Nur Rachman, A. (2022). Implementasi Deep Learning pada Sistem Klasifikasi Hama Tanaman Padi Menggunakan Metode Convolutional Neural Network (CNN). In Jurnal Buana Informatika (Vol. 13, Issue 1).