Klasifikasi Penyakit Daun Jagung Menggunakan Metode Convolutional Neural Network AlexNet
sudo Jurnal Teknik Informatika · 2023
DOI: 10.56211/sudo.v2i1.227 ↗Kurz gefasst
Fachartikel in der Zeitschrift sudo Jurnal Teknik Informatika, 2023. Verfasst von Qudsiah Nur Azizah. Die Arbeit wurde bisher 1-mal zitiert (Crossref) und nennt 13 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-SA 4.0).
Abstract (Originalsprache)
Jagung merupakan satu diantara beberapa sumber pangan utama di dunia termasuk di Indonesia. Penyakit pada tumbuhan jagung dapat dilihat melalui daunya. Namun akan menjadi masalah jika petani tidak mudah mendeteksi penyakit yang menyerang tanaman jagung, sehingga tidak mungkin untuk mengidentifikasi tanaman jagung yang sakit dan mengambil langkah untuk mengendalikannya. Masalah penyakit pada tanaman dapat menyebabkan penurunan fotosintesis pada tumbuhan yang menyebabkan usaha para tani menjadi tidak efisien dan mendapat kerugian, oleh karena itu perlu adanya pendekatan digital dapat mendeteksi beragam jenis penyakit. Dataset yang digunakan berjumlah 4198 citra daun jagung yang terdiri dari Blight, Commont Rust, Healthy, dan Gray Leaf Spot. Dengan menggunakan metode Convolutional Neural Network AlexNet dapat mengklasifikasikan dan memiliki hasil yang signifikan. Hasil dari klasifikasi penyakit daun jagung mendapatkan akurasi 90% yang berarti metode yang digunakan berjalan dengan baik dan tepat.
Zitieren
APA
Azizah, Q. N. (2023). Klasifikasi Penyakit Daun Jagung Menggunakan Metode Convolutional Neural Network AlexNet. sudo Jurnal Teknik Informatika. https://doi.org/10.56211/sudo.v2i1.227
Vancouver
Azizah QN. Klasifikasi Penyakit Daun Jagung Menggunakan Metode Convolutional Neural Network AlexNet. sudo Jurnal Teknik Informatika. 2023. doi:10.56211/sudo.v2i1.227
BibTeX
@article{Azizah2023,
author = {Azizah, Qudsiah Nur},
title = {Klasifikasi Penyakit Daun Jagung Menggunakan Metode Convolutional Neural Network AlexNet},
journal = {sudo Jurnal Teknik Informatika},
year = {2023},
doi = {10.56211/sudo.v2i1.227}
}
EUVIMED