Identifikasi Penyakit pada Daun Kopi Menggunakan Metode Deep Learning VGG16

  • Rizki Windiawan Teknik Informatika, Universitas Singaperbangsa Karawang
  • Aries Suharso Program Studi Teknik Informatika, Universitas Singaperbangsa Karawang, Karawang, Indonesia
Keywords: Kopi, Identifikasi Penyakit, Deep Learning, VGG16

Abstract

Indonesia merupakan negara dengan jumlah produksi kopi urutan keempat dunia. Namun, dibandingkan dengan negara pesaing jumlah produksi di Indonesia terbilang kecil yang disebabkan karena banyaknya tanaman kopi yang terserang penyakit. Tujuan dari penelitian ini adalah untuk mengidentifikasi penyakit pada tanaman kopi melalui daun menggunakan metode deep learning agar dapat sesegera mungkin mencegah penyakit tidak cepat menyebar. Deep learning adalah jenis machine learning yang bekerja dengan cara menyiapkan parameter dasar terkait data dan melatih komputer agar bisa belajar dengan mengenali pola menggunakan banyak lapisan pemrosesan. VGG16 adalah salah satu jenis arsitektur pada deep learning dengan total jumlah layer sejumlah 16. Data yang digunakan terdiri dari 360 gambar yang terdiri dari gambar daun kopi sehat, daun kopi penyakit Red Spider Mite, dan daun kopi penyakit Rust. Setelah dilakukan proses pengujian terhadap data validation didapatkan akurasi terbesar yaitu 89% sehingga dapat disimpulkan bahwa metode deep learning VGG16 berjalan baik dalam mengidentifikasi penyakit pada tanaman kopi.

 

Downloads

Download data is not yet available.

References

Irfansyah, D., Mustikasari, M., & Suroso, A. (2021). Arsitektur Convolutional Neural Network (CNN) Alexnet Untuk Klasifikasi Hama Pada Citra Daun Tanaman Kopi. Jurnal Informatika: Jurnal Pengembangan IT, 6(2), 87-92.

Alfian, D. (2021). Sistem Pendukung Keputusan Berbasis Metode Analytical Hierarchy Process (AHP) Dalam Pemilihan Biji Kopi Berkualitas. INTECOMS: Journal of Information Technology and Computer Science, 4(2), 192 - 201.

Ramadhan, M., Anwar, B., Gunawan, R., & Kustini, R. (2021). SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT PADA TANAMAN KOPI MENGGUNAKAN METODE TEOREMA BAYES. JOURNAL OF SCIENCE AND SOCIAL RESEARCH, 4(2), 115-121.

Gunawan, M. D., Franz, A., & Manullang, R. R. (2020). Sistem Pakar Penyakit Tanaman Kopi (Coffea Sp)Metode Forward Chaining Berbasis Web. Buletin Poltanesa, 21(1), 26–31.

Ravì, D., Wong, C., Deligianni, F., Berthelot, M., Andreu-Perez, J., Lo, B., & Yang, G. Z. (2016). Deep learning for health informatics. IEEE journal of biomedical and health informatics, 21(1), 4-21.

Peng, H., Huang, B., Shao, Y., Li, Z., Zhang, C., Chen, Y., & Xiong, J. (2018). General improved SSD model for picking object recognition of multiple fruits in natural environment. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 34(16), 155–162.

Pardede, J., Sitohang, B., Akbar, S., & Khodra, M. L. (2021). Implementation of Transfer Learning Using VGG16 on Fruit Ripeness Detection. International Journal of Intelligent Systems & Applications, 13(2).

Rismiyati, R., & Luthfiarta, A. (2021). VGG16 Transfer Learning Architecture for Salak Fruit Quality Classification. Telematika: Jurnal Informatika dan Teknologi Informasi, 18(1), 37-48.

Subroto, D., & Liliana, L. (2021). Deteksi Aktivitas Manusia Berdasarkan Data Skeleton dengan Menggunakan Modifikasi VGG16. Jurnal Infra, 9(1), 122-128.

Liu, Z., Wu, J., Fu, L., Majeed, Y., Feng, Y., Li, R., & Cui, Y. (2019). Improved kiwifruit detection using pre-trained VGG16 with RGB and NIR information fusion. IEEE Access, 8, 2327-2336.

Abas, M. A. H., Ismail, N., Yassin, A. I. M., & Taib, M. N. (2018). VGG16 for plant image classification with transfer learning and data augmentation. International Journal of Engineering and Technology(UAE), 7(4), 90–94.

Zulfa, I., Septima, R., & Syah, I. (2020). SISTEM PAKAR UNTUK MENGETAHUI TINGKAT KESUBURAN TANAH PADA JENIS TANAMAN KOPI MENGGUNAKAN METODE FUZZY LOGIC (STUDI KASUS KOTA TAKENGON). Explore IT! : Jurnal Keilmuan Dan Aplikasi Teknik Informatika, 12(1), 37-53.

de Andrade, D. J., da Rocha, C. M., de Matos, S. T. S., & Zanardi, O. Z. (2020). Oxymatrine-based bioacaricide as a management tool against Oligonychus ilicis (McGregor)(Acari: Tetranychidae) in coffee. Crop Protection, 134, 105182.

Sugiarti, L. (2019). IDENTIFIKASI HAMA DAN PENYAKIT PADA TANAMAN KOPI DI KEBUN PERCOBAAN FAKULTAS PERTANIAN UNIVERSITAS WINAYA MUKTI. Jurnal Agro Wiralodra, 2(1), 16-22.

Liu, L., Ouyang, W., Wang, X., Fieguth, P., Chen, J., Liu, X., & Pietikäinen, M. (2020). Deep Learning for Generic Object Detection: A Survey. International Journal of Computer Vision, 128(2), 261–318.

Zhou, L., Zhang, C., Liu, F., Qiu, Z., & He, Y. (2019). Application of Deep Learning in Food: A Review. Comprehensive Reviews in Food Science and Food Safety, 18(6), 1793–1811.

Voulodimos, A., Doulamis, N., Doulamis, A., & Protopapadakis, E. (2018). Deep Learning for Computer Vision: A Brief Review. Computational Intelligence and Neuroscience, 2018.

Tammina, S. (2019). Transfer learning using VGG-16 with Deep Convolutional Neural Network for Classifying Images. International Journal of Scientific and Research Publications (IJSRP), 9(10), p9420.

International Coffee Organization. “Coffee Market Report”. Internet : www.ico.org/Market-Report-20-21-e.asp, 8 September, 2021 [Sep 10, 2021]

Dinas Perkebunan Provinsi Jawa Barat. “Ancaman Penyakit Karat Daun pada Tanaman Kopi”. Internet : www.disbun.jabarprov.go.id/post/view/618-id-ancaman-penyakit-karat-daun-pada-tanaman-kopi, 4 Oktober, 2020 [Sep 10, 2021]

Published
2021-11-15
How to Cite
[1]
Rizki Windiawan and A. Suharso, “Identifikasi Penyakit pada Daun Kopi Menggunakan Metode Deep Learning VGG16”, EXPLORIT, vol. 13, no. 2, pp. 43-50, Nov. 2021.