Thesis

Thesis

• By Azizah, Qudsiah NUr;
• Tesis
• 120

Apel adalah salah satu buah paling produktif di
dunia. Namun, berbagai penyakit sering terjadi dalam skala
besar dalam produksi apel, sehingga menyebabkan kerugian
ekonomi yang cukup besar. Oleh karena itu akan dibahas
sebuah penelitian yang dimaksudkan untuk
mengklasifikasikan penyakit daun apel dimana akan
membantu para petani dalam menganalisa dan penanganan
penyakit pada daun apel. Pengamatan manual adalah metode
diagnosis tradisional yang kurang efektif,sehingga diusulkan
metode otomatis menggunakan computer, yaitu menggunakan
teknik pengolahan citra. Penelitian ini dilakukan untuk
klasifikasi penyakit pada daun apel. Metode yang digunakan
yaitu Convolutional Neural Network (CNN) untuk
mengklasifikasi. Dataset sebanyak 3171 citra yang terdiri dari
4 kelas, yaitu Scab, Rust, Healthy, dan Blackrot. Hasil dari
klasifikasi penyakit daun apel ini mendapatkan akurasi
98.73% yang artinya CNN adalah metode yang baik dan tepat
untuk mengklasifikasikan penyakit daun apel.

• Katakunci
• URL http://
• Penerbit ,

REFERENSI

REFERENSI
[1] P. Jiang, Y. Chen, B. Liu, D. He, and C. Liang,
“Real-Time Detection of Apple Leaf Diseases
Using Deep Learning Approach Based on
Improved Convolutional Neural Networks,” IEEE
Access, vol. 7, pp. 59069–59080, 2019, doi:
10.1109/ACCESS.2019.2914929.
[2] L. Ratnawati and D. R. Sulistyaningrum,
“Penerapan Random Forest untuk Mengukur
Tingkat Keparahan Penyakit,” J. Sains Dan Seni
Its, vol. 8, no. 2, pp. A71–A77, 2019.
[3] M. R. D. Septian, A. A. A. Paliwang, M. Cahyanti,
and E. R. Swedia, “Penyakit Tanaman Apel Dari
Citra Daun Dengan Convolutional Neural
Network,” Sebatik, vol. 24, no. 2, pp. 207–212,
2020, doi: 10.46984/sebatik.v24i2.1060.
[4] C. P. Iklima, M. Nasir, and HariTohaHidayat,
“Klasifikasi Jenis Pisang Menggunakan Metode
K- Nearest Neighbor ( KNN ),” Teknol. Rekayasa
Inf. dan Komput. , vol. 1, no. 1, pp. 11–14, 2017.
[5] M. A. Khan et al., “An Optimized Method for
Segmentation and Classification of Apple
Diseases Based on Strong Correlation and Genetic
Algorithm Based Feature Selection,” IEEE Access,
vol. 7, no. c, pp. 46261–46277, 2019, doi:
10.1109/ACCESS.2019.2908040.
[6] E. Miranda and M. Aryuni, “Klasifikasi Tutupan
Lahan Menggunakan Convolutional Neural
Network pada Citra Satelit Sentinel-2,” Sistemasi,
vol. 10, no. 2, p. 323, 2021, doi:
10.32520/stmsi.v10i2.1226.
[7] R. I. Abraham, B. Hidayat, and S. Darana,
“Identifikasi Kualitas Kesegaran Susu Sapi
Melalui Pengolahan Citra Digital Berdasarkan
Metode Content-Based Image Retrieval ( Cbir )
Dengan Klasifikasi Decision Tree Identification
Quality of Freshness Cow ’ S Milk Through
Digital Image Processing Based O,” e-Proceeding
Eng., vol. 5, no. 2, pp. 2048–2055, 2018.
[8] M. Zainuddin, L. T. Sianturi, and R. K. Hondro,
“Implementasi Metode Robinson Operator 3
Level Untuk Mendeteksi Tepi Pada Citra Digital,”
J. Ris. Komput. , vol. 4, no. 4, pp. 1–5, 2017.
[9] A. C. Dotto, R. S. D. Dalmolin, S. Grunwald, A.
ten Caten, and W. Pereira Filho, “Two
preprocessing techniques to reduce model
covariables in soil property predictions by VisNIR spectroscopy,” Soil Tillage Res. , vol. 172, no.
December 2015, pp. 59–68, 2017, doi:
10.1016/j.still.201 7.05.008.
[10] A. Nurmasani and Y. Pristyanto, “Algoritme
Stacking Untuk Klasifikasi Penyakit Jantung Pada
Dataset Imbalanced Class,” Pseudocode, vol. 8,
no. 1, pp. 21–26, 2021, doi:
10.33369/pseudocode.8.1.21 -26.
[11] G. Bhadur and R. Rani, “Agricultural Crops
Disease Identification and Classification through
Leaf Images using Machine Learning and Deep
Learning Technique: A Review,” SSRN Electron.
J., pp. 1–9, 2020, doi: 10.2139/ssrn.3564973.
[12] A. Asrafil, A. Paliwang, M. R. D. Septian, M.
Cahyanti, and R. Swedia, “Klasifikasi Penyakit
Tanaman Apel Dari Citra Daun Dengan,” Sebatik,
no. 1410–3737, pp. 207–212, 2020.
[13] N. I. Widiastuti, E. Rainarli, and K. E. Dewi,
“Peringkasan dan Support Vector Machine pada
Klasifikasi Dokumen,” J. Infotel, vol. 9, no. 4, p.
416, 2017, doi: 10.20895/infotel.v9i4.312.
[14] Wardana, Belajar Pemrograman dan Hacking
Menggunakan Phyton. Jakarta: PT. Alex Media
Komputindo, 2019.