Klasifikasi Hama Dan Penyakit Daun Kapas Berdasarkan Fitur Tekstur Dan Warna Menggunakan Multilayer Perceptron
Abstract
Kapas merupakan bahan baku dari Industri Tekstil dan Produk Tekstil (TPT) di Indonesia. Namun, produksi kapas di Indonesia tidak dapat memenuhi kebutuhan nasional. Untuk meningkatkan produksi kapas, perlu dilakukan identifikasi penyakit dan hama pada tanaman kapas sehingga mendapatkan penanganan yang tepat dan mengatasi terjadinya kegagalan panen. Beberapa penelitian telah dilakukan mengenai identifikasi penyakit pada daun kapas dengan menggunakan kecerdasan buatan. Tetapi, penelitian-penelitan yang telah dilakukan sebelumnya lebih berfokus pada klasifikasi penyakit yang terjadi pada daun kapas. Oleh karena itu, penelitian ini memiliki tujuan untuk membuat sistem yang tidak hanya dapat mengklasifikasi penyakit daun kapas, tetapi dapat juga mengklasifikasi hama yang terdapat pada daun kapas. Bedasarkan pengujian yang telah dilakukan, Tingkat akurasi dalam klasifikasi pada hama dan penyakit tanaman kapas pada data uji menghasilkan nilai akurasi tertinggi sebesar 90%. Nilai tersebut didapatkan pengujian dengan kombinasi fitur Color Moment dan fitur GLCM dengan sudut 0⁰ sebagai input serta arsitektur MLP menggunakan fungsi aktivasi tanh dan 1024 perceptron di hidden layer.
References
Abdu, A. M., Mokji, M. M. M., & Sheikh, U. U. U. (2020). Machine learning for plant disease detection: an investigative comparison between support vector machine and deep learning. IAES International Journal of Artificial Intelligence (IJ-AI), 9(4), 670. https://doi.org/10.11591/ijai.v9.i4.pp670-683
Amin, J., Anjum, M. A., Sharif, M., Kadry, S., & Kim, J. (2022). Explainable Neural Network for Classification of Cotton Leaf Diseases. Agriculture, 12(12), 2029. https://doi.org/10.3390/agriculture12122029
Bhimte, N. R., & Thool, V. R. (2018). Diseases Detection of Cotton Leaf Spot Using Image Processing and SVM Classifier. 2018 Second International Conference on Intelligent Computing and Control Systems (ICICCS), 340–344. https://doi.org/10.1109/ICCONS.2018.8662906
Dewi, E. S. (2014). Aspek Agronomi Tanaman Kapas: Budidaya Dan Pengembangan. Dapur Buku.
Irfan, M., Alldino, B., Sumbodo, A., & Candradewi, I. (2017). Sistem Klasifikasi Kendaraan Berbasis Pengolahan Citra Digital dengan Metode Multilayer Perceptron. IJEIS, 7(2), 139–148.
Kadir, A., & Susanto, A. (2013). Teori dan Aplikasi Pengolahan Citra (1 ed.). CV. ANDI OFFSET.
Kant, S. A., Pavani, M., & Kumar, K. K. (2022). Cotton Leaf Diseases Detection And Prediction Using Resnet Algorithm. Journal Of Harbin Institute Of Technology, 54(11), 49–57.
Kementerian Perindustrian. (2021). Analisis Pembangunan Industri 2021 Mendorong Kinerja Industri Tekstil dan Produk Tekstil (III). Kementrian Perindustrian.
Kusanti, J., & Haris, N. A. (2018). Klasifikasi Penyakit Daun Padi Berdasarkan Hasil Ekstraksi Fitur GLCM Interval 4 Sudut. Jurnal Informatika: Jurnal Pengembangan IT (JPIT), 03(01), 1–6.
Lusiana, V., Amin, I. Al, Hartono, B., & Kristianto, T. (2019). Ekstraksi Fitur Tekstur Menggunakan Matriks Glcm Pada Citra Dengan Variasi Arah Obyek. Proceeding SENDI_U, 0(0). https://unisbank.ac.id/ojs/index.php/sendi_u/article/view/7398
Nisa, I. Z., Endah, S. N., Sasongko, P. S., Kusumaningrum, R., Khadijah, & Rismiyati. (2022). Klasifikasi Citra Sampah Menggunakan Support Vector Machine dengan Ekstraksi Fitur Gray Level Co-Occurrence Matrix dan Color Moments. Jurnal Teknologi Informasi dan Ilmu Komputer, 9(5), 921–930. https://doi.org/10.25126/jtiik.2022954868
Olivya, M., Tungadi, E., Bua, N., & Rante. (2018). Klasifikasi Kualitas Biji Kopi Ekspor Menggunakan Jaringan Saraf Tiruan Backpropagation. Jurnal INSTEK (Informatika Sains dan Teknologi), 3(2), 299–308.
Öztürk, Ş., & Akdemir, B. (2018). Application of Feature Extraction and Classification Methods for Histopathological Image using GLCM, LBP, LBGLCM, GLRLM and SFTA. Procedia Computer Science, 132, 40–46. https://doi.org/10.1016/j.procs.2018.05.057
Patil, B. M., & Burkpalli, V. (2022). Cotton Leaf Disease Classification by Combining Color and Texture Feature-based Approach. 2022 6th International Conference on Intelligent Computing and Control Systems (ICICCS), 1783–1789. https://doi.org/10.1109/ICICCS53718.2022.9788405
Prabowo, D. P., Sulistiyawati, P., & Pramunendar, R. A. (2022). Pengenalan Citra Batik Menggunakan Fitur Fraktal Berdasarkan Metode Support Vector Machine (SVM). Jurnal Informatika Upgris, 8(2), 61–65.
Priyanka, & Kumar, D. (2020). Feature Extraction and Selection of kidney Ultrasound Images Using GLCM and PCA. Procedia Computer Science, 167, 1722–1731. https://doi.org/10.1016/j.procs.2020.03.382
Putra, J. W. G. (2020). Pengenalan Pembelajaran Mesin dan Deep Learning.
Sinaga, D. (2020). Jaringan Saraf Tiruan Infeksi Mata Dengan Menggunakan Metode Beraksitektur Multi Layer Perceptron. Jurnal Majalah Ilmiah Informasi dan Teknologi Ilmiah (INTI), 7(2), 189–192.
Susa, J. A. B., Nombrefia, W. C., Abustan, A. S., Macalisang, J., & Maaliw, R. R. (2022). Deep Learning Technique Detection for Cotton and Leaf Classification Using the YOLO Algorithm. 2022 International Conference on Smart Information Systems and Technologies (SIST), 1–6. https://doi.org/10.1109/SIST54437.2022.9945757
Wagle, S. A., & R, H. (2021). Comparison of Plant Leaf Classification Using Modified AlexNet and Support Vector Machine. Traitement du Signal, 38(1), 79–87. https://doi.org/10.18280/ts.380108
Widodo, R., Widodo, A. W., & Supriyanto, A. (2018). Pemanfaatan Ciri Gray Level Co-Occurrence Matrix (GLCM) Citra Buah Jeruk Keprok (Citrus reticulata Blanco) untuk Klasifikasi Mutu. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 2(11), 5769–5776. http://j-ptiik.ub.ac.id
