Classification of Nutrient Deficiencies Based on Leaf Image in Hydroponic Lettuce using MobileNet Architecture

ANYELIA ADIANGGIALI, INDRARINI DYAH IRAWATI, SUGONDO HADIYOSO, ROHAYA LATIP

Sari


ABSTRAK

Saat ini sektor industri di Indonesia tumbuh semakin pesat yang menggeser lahan pertanian menjadi sempit. Hal tersebut mengakibatkan para petani perlu mencari lahan lain untuk tetap dapat memproduksi bahan pangannya. Hidroponik merupakan teknik bertanam menggunakan media air yang memanfaatkan lahan sempit. Salah satu tanaman yang sering diterapkan ialah tanaman selada. Namun, dengan penerapan teknik hidroponik ini masih terdapat kualitas tanaman selada yang kurang baik karena kurang memperhatikan pemeliharaannya sehingga mengakibatkan kurangnya nutrisi pada tanaman selada. Maka dari itu, pada penelitian ini akan membuat sistem klasifikasi defisiensi nutrisi pada tanaman hidroponik selada melalui citra daun dengan menggunakan Convolutional Neural Network (CNN) berbasis arsitektur MobileNetV2. Hasil dalam skenario uji penelitian ini memperoleh akurasi sebesar 88%. Dengan begitu, diharapkan dapat membantu para petani untuk mengetahui defisiensi nutrisi pada tanaman selada agar tetap dapat menjaga kualitas produksi tanaman selada.

Kata kunci: CNN, hidroponik, MobileNetV2, nutrisi, selada

 

ABSTRACT

Currently the industrial sector in Indonesia is growing rapidly which shifts agricultural land to narrow. This resulted in farmers needing to look for other land to continue to be able to produce their food. Hydroponics is a farming technique using water media that utilizes narrow land. One of the plants that is often used is lettuce. However, with the application of this hydroponic technique, the quality of lettuce plants is still not good due to lack of attention to maintenance, resulting in a lack of nutrition in lettuce plants. Therefore, this research will create a nutritional deficiency classification system in hydroponic lettuce through leaf images using a Convolutional Neural Network (CNN) based on the MobileNetV2 architecture. The results in this research test scenario obtained an accuracy of 88%. That way, it is hoped that it can help farmers to find out nutritional deficiencies in  lettuce plants so that they can maintain the quality of lettuce production.

Keywords: CNN, hydroponic, lettuce, MobileNetV2, nutrition


Kata Kunci


CNN; hydroponic; lettuce; MobileNetV2; nutrition

Teks Lengkap:

PDF (English)

Referensi


Altim, M. Z., Faisal, Salmiah, Kasman, Yudhistira, A., & Syamsul, R. A. (2022). Pengklasifikasi Beras Menggunakan Metode Cnn (Convolutional Neural Network). Jurnal Instek (Informatika Sains Dan Teknologi), 7, 151-155.

Carneiro, T., Nobrega, R. V., Nepomuceno, T., & Bian, G.-B. (2018). Performance Analysis Of Google Colaboratory As A Tool For Accelerating Deep Learning Applications. IEEE Access, 6, 61677-61685.

Dang, T. V. (2022). Smart Home Management System With Face Recognition Based On Arcface Model In Deep Convolutional Neural Network. Journal Of Robotics And Control (Jrc), 3(6), 754–761. Https://Doi.Org/10.18196/Jrc.V3i6.15978

Felix, Wijaya, J., Sutra, S. P., Kosasih, P. W., & Sirait, P. (2020). Implementasi Convolutional Neural Network Untuk Identifikasi Jenis Tanaman Melalui Daun. Jurnal Sifo Mikroskil, 21, 1-10.

Ilahiyah, S., & Nilogiri, A. (2018). Implementasi Deep Learning Pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural Network. Jurnal Sistem Dan Teknologi Informasi Indonesia, 3, 49-56.

Kannan, M., Elavarasan, G., Balamurugan, A., Dhanusiya, B., & Freedon, D. (2022). Hydroponic Farming – A State Of Art For The Future Agriculture. Materialstoday, 68(6), 2163-2166.

Lazuardi, A. D. (2021). Roboflow. Diambil Kembali Dari Https://Universe.Roboflow.Com/Adam-Dika-Lazuardi/Selada-2nrvw

Malik, R. (2022). Kaggle. Diambil Kembali Dari Https://Www.Kaggle.Com/Datasets/Baronn/Lettuce-Npk-Dataset

Michele, A., Colin, V., & Santika, D. D. (2019). Mobilenet Convolutional Neural Networks And Support Vector Machines For Palmprint Recognition. Sciencedirect, 157, 110-117.

Nasrullah, A. H., & Annur, H. (2023). Implementasi Metode Convolutional Neural Network Untuk Identifikasi Citra Digital Daun. Jurnal Media Informatika Budidarma, 7, 726-736.

Ramaidani, Mardina, V., & Al Faraby, M. (2022). Pengaruh Nutrisi Ab Mix Terhadap Pertumbuhan Sawi Pakcoy Dan Selada Hijau Dengan Sistem Hidroponik. Jurnal Biologica Samudra, 32-42.

Ren, S., He, K., Girschick, R., & Sun, J. (2018). Faster R-Cnn: Towards Real-Time Object Detection With Region Proposal Networks. IEEE Transactions on Pattern Analysis & Machine Intelligence, vol. 39(6), 1137-1149.

Riswandi, Jamiah, R., Mardhatillah, N., & Hamid, H. P. (2021). Klasifikasi Penyakit Pada Citra Daun Jeruk Menggunakan Arsitektur Mobilenet Bebasis Mobile Platform. Jurnal Fokus Elektroda, 6, 212-215.

Romalasari, A., & Sobari, E. (2019). Produksi Selada (Lactuca Sativa L.) Menggunakan Sistem Hidroponik Dengan Perbedaan Sumber Nutrisi. Journal Of Applied Agricultural Sciences, 36-41.

Seth, K. (2022). Kaggle. Diambil Kembali Dari Https://Www.Kaggle.Com/Datasets/Kritikseth/Fruit-And-Vegetable-Image-Recognition

Shatilov, M., Razin, A., & Ivanova, M. (2019). Analysis Of The World Lettuce Market. Iop Conference Series: Earth And Environmental Science.

Sulmi. (2022). Pendidikan Hidroponik Tentang Pentingnya Pemenuhan Kebutuhan Nutrisi Bagi Tanaman. Journal Of Community Dedication, 2, 98-104.

Wulandhari, L. A., Gunawan, A. A., Qurania, A., Harsani, P., Triastinurmiatiningsih, Tarawan, F., & Hermawan, R. F. (2019). Plant Nutrient Deficiency Detection Using Deep Convolutional Neural Network. ICIC International, 13, 971-977.




DOI: https://doi.org/10.26760/elkomika.v11i4.958

Refbacks

  • Saat ini tidak ada refbacks.


_______________________________________________________________________________________________________________________

ISSN (cetak) : 2338-8323 | ISSN (elektronik) : 2459-9638

diterbitkan oleh :

Teknik Elektro Institut Teknologi Nasional Bandung

Alamat : Gedung 20 Jl. PHH. Mustofa 23 Bandung 40124

Kontak : Tel. 7272215 (ext. 206) Fax. 7202892

Surat Elektronik : jte.itenas@itenas.ac.id________________________________________________________________________________________________________________________

Statistik Pengunjung

Free counters!

Web

Analytics Made Easy - StatCounter

Lihat Statistik Jurnal

Jurnal ini terlisensi oleh Creative Commons Attribution-ShareAlike 4.0 International License.

Creative Commons License