DETEKSI PENYAKIT TANAMAN ANGGUR MENGGUNAKAN METODE DUAL CHANNEL CONVOLUTION NEURAL NETWORK

VALENCIA ANGELINA, FENNY JULIANI, CELVIN, OSCAR EVANDER (2021) DETEKSI PENYAKIT TANAMAN ANGGUR MENGGUNAKAN METODE DUAL CHANNEL CONVOLUTION NEURAL NETWORK , SKRIPSI, UNIVERSITAS PRIMA INDONESIA

ABSTRAK

Anggur merupakan salah satu jenis buah-buahan yang biasanya digunakan untuk membuat jus anggur, jelly, minuman anggur, minyak biji anggur dan kismis, atau dimakan langsung. Selama ini, pengecekan penyakit pada tanaman anggur masih dilakukan secara manual, yaitu dengan melakukan pengecekan daun pada tanaman anggur yang dilakukan oleh tenaga ahli. Cara ini tentunya membutuhkan waktu yang lama mengingat luasnya lahan perkebunan anggur yang harus dievaluasi. Untuk menyelesaikan permasalahan tersebut, maka perlu diterapkan sebuah metode pendeteksian penyakit anggur, sehingga dapat membantu masyarakat awam untuk melakukan pendeteksian terhadap penyakit anggur. Pada penelitian ini akan digunakan metode Dual-Channel Convolutional Neural Network (DCCNN). Metode DCCNN ini terdiri dari dua channel, yaitu deep channel dan shallow channel. Proses pendeteksian penyakit tanaman anggur dengan menggunakan metode DCCNN ini akan dimulai dari proses ekstraksi bagian daun dari citra input dengan menggunakan metode Gabor Filter. Setelah itu, akan digunakan metode Segmentation Based Fractal Co-Occurrence Texture Analysis untuk melakukan proses ekstraksi ciri, warna, dan tekstur dari bagian daun terekstrak. Terakhir, akan diterapkan metode DCCNN untuk melakukan proses klasifikasi dan pendeteksian jenis penyakit tanaman anggur. Hasil dari penelitian ini adalah metode DCCNN dapat digunakan untuk mendeteksi jenis penyakit daun pada tanaman anggur dan jumlah dataset akan mempengaruhi akurasi dari hasil identifikasi penyakit dengan menggunakan metode DCCNN. Namun, semakin banyak dataset akan menyebabkan proses eksekusi menjadi lama.

JURNAL