KLASIFIKASI IMAGE TINGGI TANAMAN JAGUNG DENGAN MENGGUNAKAN ALGORITMA CONVOLUTION NEURAL NETWORK (CNN)"KLASIFIKASI IMAGE TINGGI TANAMAN JAGUNG DENGAN MENGGUNAKAN ALGORITMA CONVOLUTION NEURAL NETWORK (CNN)
DOI:
https://doi.org/10.23960/jitet.v12i3S1.5348Abstract Views: 601 File Views: 544 File Views: 0 File Views: 0 File Views: 0
Abstract
ABSTRAK : Penelitian ini mengimplementasikan algoritma Convolutional Neural Network (CNN) untuk klasifikasi citra tanaman jagung dengan fokus pada pengidentifikasian tinggi tanaman. Penelitian ini bertujuan untuk membantu petani dalam mendeteksi secara dini pertumbuhan tanaman jagung, yang dapat berkontribusi dalam pengelolaan pertanian yang lebih efisien. Model CNN yang dikembangkan berhasil mengklasifikasikan tinggi tanaman dengan akurasi maksimal mencapai 88% pada data uji dengan 1019 citra. Penggunaan CNN menunjukkan hasil yang cukup baik dalam prediksi tinggi tanaman, memberikan indikasi positif untuk pengembangan lebih lanjut dalam aplikasi berbasis citra untuk sektor pertanian.
ABSTRACT : This research implements a Convolutional Neural Network (CNN) algorithm for classifying corn plant images, focusing on identifying plant height. The study aims to assist farmers in early detection of corn plant growth, contributing to more efficient agricultural management. The developed CNN model successfully classified plant height with a maximum accuracy of 88% on a test set of 1,019 images. The use of CNN demonstrated promising results in predicting plant height, indicating positive potential for further development of image-based applications in the agricultural sector.
Downloads
References
Bai et al. (2018). Deep Convolutional Neural Network Optimization for Extensive Image Retrieval. Pages 60–67 in Volume 303 of Neurocomputing.
In 2017, Guo, T., Dong, J., Li, H., and Gao, Y. Convolutional Neural Network for Image Classification: A Basic Approach. IEEE Beijing.
In 2018, Bennamoun, M.; Khan, S.; Rahmani, H.; Shah, S. A. A. Morgan & Claypool Publishers, s.l., A Guide to Convolutional Neural Networks for Computer Vision.
Li, J., et al. (2020). "Judul Jurnal Terkait." Nama Jurnal, Volume(Issue), Halaman- Halaman. DOI: [DOI Jurnal]
In 2019, Mohamed, O., Brahim, A., Khalid, E. A., and Mohamed, O. Convolutional Neural Networks for Content-Based Image Retrieval. pages 463–476).
S. Naik. (2017). Fruit Grading and Classification Using Machine Vision. Volume 170 of the International Journal of Computer Application.
In 2017, Naik, S. and Patel, B. Fruit classification based on machine vision. Journal of Computer Applications International, 170(9).
Wang, Q., & Zhang, L. (2022). Judul Buku Terkait. Penerbit Buku. ISBN: [Nomor ISBN Buku].
Mahdiyah, U. (2023). KLASIFIKASI KUALITAS CITRA CABAI DENGAN MENGGUNAKAN ALGORITMA GRADIEN BOOSTING. JAMI: Jurnal Ahli Muda Indonesia, 4(1), 61–69.
Sely Wita, D., & Yanti Liliana, D. (2022). Klasifikasi Identitas Dengan Citra Telapak Tangan Menggunakan Convolutional Neural Network (CNN). JURTI, 6(1).
Sri Rahmadhani, U., & Lysbetti Marpaung, N. (2023). Klasifikasi Jamur Berdasarkan Genus Dengan Menggunakan Metode CNN. 8(2).
Teknik Elektro, J., & Wega Intyanto, G. (n.d.). Klasifikasi Citra Bunga dengan Menggunakan Deep Learning: CNN (Convolution Neural Network).
Wolas, N., and M. H. Endah (undated). Convolutional Neural Network (CNN) Algorithm is Used by Deep Learning Applications to Classify Burung Familiar Accipitridae.In 2021, Telkom, U., Novamizanti, L., Rizal, S., and Zakiya, P. N. Classification of the pathology of macula retina by OCT image usage (KLASIFIKASI PATOLOGI MAKULA RETINA MELALUI CITRA OCT USING CONVOLUTIONAL NEURAL NETWORK DENGAN, 8(5), 5072– 5082).
Sun, Y., Nanehkaran, Y. A., Suzauddola, M., Zhang, D., & Chen, J. (2021). Squeeze- and-excitation MobileNet model with twice transfer learning for plant disease picture identification. 15 (5) IET Image Processing, 1115–1127. The publication 10.1049/ipr2.12090
Wang, T., Warden, P., Regev, S., Rhodes, R., David, R., Duke, J., Jain, A., Reddi, V. J., Jeffries, N., Li, J., Kreeger, N., Nappier, I., and Natraj, M. (2020). Embedded Machine Learning on TinyML Systems using TensorFlow Lite Micro. 2010.08678 can be found at arxiv.org.
Susanti Diana, Yeni Astuti, and Dora Fatma Nurshanti. (2019). PRODUKSI JAGUNG MANIS DAN PENGARUH PEMBERIAN AIR TERHADP PERTUMBUHAN (Zea mays). 2579–5171.
R. R. Karim, “Implementasi Klasifikasi Senjata Tradisional Jawa Barat Menggunakan Convolutional Neural Network (Cnn) Dengan Metode Transfer Learning,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 2, Apr. 2024, doi: 10.23960/jitet.v12i2.4166.
Irfan, M., Irfan, I., & Fajar, M. (2023). Analisis pengaruh momen starting terhadap efisiensi motor listrik 3 fasa. Teknik Elektro, 15(1), 1-10.
Sartika, L., Prasetia, A. M., & Nicholas, I., E., N. (2023). Analisis pengaruh beban terhadap kinerja motor induksi 3 fasa scraper conveyor
