Aplikasi Deteksi Penyakit pada Daun Tomat Berbasis Android Menggunakan Model Terlatih Tensorflow Lite

Yuyun Hana Natbais, Ari Bangkit Sanjaya Umbu

Abstract


Tanaman Tomat (Solanum lycopersicum Mill) merupakan salah satu jenis tanaman yang dapat tumbuh di seluruh wilayah Indonesia sehingga sering dibudidayakan. Salah satu tantangan dalam budidaya tomat yaitu penyakit daun. Penyakit daun dapat menyebabkan turunnya kualitas dan kuantitas buah tomat yang dihasilkan. Berdasarkan permasalahan tersebut, penulis melakukan perancangan aplikasi deteksi penyakit daun tomat dengan menggunakan Convolutional Neural Network (CNN). Dalam penelitian ini penyakit daun tomat diklasifikasikan menjadi sembilan jenis penyakit. Image processing dilakukan dengan mengimplementasikan Algoritma Machine Learning. Datasheet jenis dan gambar penyakit daun tomat diambil dari Kaggle Competition page. Web Teachable Machine digunakan untuk melatih model menjadi Tensorflow lite. Selanjutnya dibangun menjadi aplikasi android dengan basis bahasa pemrograman Java menggunakan Android Studio. Aplikasi yang berhasil dibangun diberi nama Tomato Leaf Disease. Aplikasi ini dapat mendeteksi gambar yang berasal dari galeri maupun hasil tangkapan kamera. Berdasarkan hasil uji coba, aplikasi yang dibangun dapat mengidentifikasi penyakit daun dengan baik. Tingkat akurasi sangat bergantung pada spesifikasi kamera, sudut pengambilan gambar, dan pencahayaan saat pengambilan gambar.


Keywords


android; deteksi penyakit; teachable machine; tensorflow lite; tomat

References


Alviansyah, Fahri., Ruslianto, Ikhwan., & Diponegoro, Muhammad. (2017). Identifikasi Penyakit Pada Tanaman Tomat Berdasarkan Warna Dan Bentuk Daun Dengan Metode Naive Bayes Classifier Berbasis Web. Jurnal Coding Sistem Komputer Untan 5(1):23–32.

Aqil, M., F. Tabri., N. N. Andayani., S. Panikkai., Suwardi., Roy, Efendi., Bunyamin, Z. M., Azrai., & Taufiq, Ratule. (2021). Integration of Smartphone Technology for Maize Recognition.IOP Conference Series: Earth and Environmental Science 911(1). doi: 10.1088/1755-1315/911/1/012037.

Baihaqi, M. B., Yovi, Litanianda., & Triyanto, Andy. (2022). Implementasi Tensor Flow Lite Pada Teachable Untuk Identifikasi Tanaman Aglonema Berbasis Android. Komputek 6(1):70. doi: 10.24269/jkt.v6i1.1143.

Darma Putra, I. Ketut Gede., I. Putu Deva Jayantha Putra., Rahmat Fauzi., & Deden Witarsyah. (2020). Classification of Tomato Plants Diseases Using Convolutional Neural Network. International Journal on Advanced Science, Engineering and Information Technology 10(5):1821–27. doi: 10.18517/ijaseit.10.5.11665.

Dhakshaya, S. S., & D. Jeraldin Auxillia. (2019). Classification of ECG Using Convolutional Neural Network (CNN). 2019 International Conference on Recent Advances in Energy-Efficient Computing and Communication, ICRAECC 2019 19(2). doi: 10.1109/ICRAECC43874.2019.8995096.

Djuanda, Ihsan., & Dewi, C. N. Puspita. (2020). Metode Rad Untuk Perancangan Sistem Informasi Perwira Tugas Belajar Bagi Pegawai Di Kementerian Pertahanan Republik Indonesia. Seminar Nasional Mahasiswa Ilmu Komputer Dan Aplikasinya (SENAMIKA) 1(2).

Elwirehardja, Gregorius N., Suparyanto, Teddy., & Pardamean, Bens. (2023). Pengenalan Konsep Machine Learning Untuk Pemula. Publisher : Instiper Press. ISBN: 978-623-5979-10-6

Faturrachman, Mirza., Indra, Yustia., & Somantri. (2022). Sistem Pendeteksi Penyakit Pada Daun Tanaman Singkong menggunakan Deep Learning dan Tensorflow Berbasis Android. IJIS Indonesian Journal on Information System 7(September).

Fuentes, Alvaro., Sook, Yoon., Sang, C. Kim., & Dong, S. Park. (2017). A Robust Deep-Learning-Based Detector for Real-Time Tomato Plant Diseases and Pests Recognition.Sensors 17(9). doi: 10.3390/s17092022.

Givari El Mirzaq, M. F. ., & Halilintar, R.(2021).Sistem Pakar Diagnosa Penyakit Tanaman Tomat Menggunakan Metode Certainty Factor. Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 5(2), 230–235. https://doi.org/10.29407/inotek.v5i2.1134

Gunawan, P. Fuyi., Andjarwirawan, Justinus., & Purbowo, A. Nathania. (2022). Penerapan Metode Convolutional Neural Network Untuk Clothing Image Recognition. Jurnal Infra 10(1).

Hariyanto, D., Sastra, R., & Putri, F. E. P. E. P. (2021). Implementasi Metode Rapid Application Development Pada Sistem Informasi Perpustakaan. JUPITER (Jurnal Penelitian Ilmu Dan Teknik Komputer), 13(1), 110–117. Retrieved from https://jurnal.polsri.ac.id/index.php/jupiter/article/view/3253

Jeong, Hyunja. (2020). Feasibility Study of Google’s Teachable Machine in Diagnosis of Tooth-Marked Tongue. Journal of Dental Hygiene Science 20(4):206–12. doi: 10.17135/jdhs.2020.20.4.206.

Julianto, Afis., Sunyoto, Andi., & Wibowo, F. Wahyu. (2022). Optimasi Hyperparameter Convolutional Neural Network Untuk Klasifikasi Penyakit Tanaman Padi. Teknimedia: Teknologi Informasi Dan Multimedia, 3(2), 98-105. https://doi.org/10.46764/teknimedia.v3i2.77

Kotta, Chrisno R., Debby, Paseru., & Michael, Sumampouw.(2022).Implementasi Metode Convolutional Neural Network Untuk Mendeteksi Penyakit Pada Citra Daun Tomat. Jurnal_Pekommas_Vol._7_No 2:123–32.

Peryanto, Ari., Yudhana, Anton., & Umar, Rusydi.(2020). Rancang Bangun Klasifikasi Citra Dengan Teknologi Deep Learning Berbasis Metode Convolutional Neural Network. Format : Jurnal Ilmiah Teknik Informatika 8(2):138. doi: 10.22441/format.2019.v8.i2.007.

Putra, J. W. Gotama. (2020). Pengenalan Konsep Pembelajaran Mesin Dan Deep Learning Edisi 1.4 (17 Agustus 2020). 4:45–46.

Recky, Arianto. (2023). Perancangan Aplikasi Pengenalan dan Pembelajaran Pertanian Milenial Hidroponik Berbasis Android Flutter & Dart Dengan Metode RAD . OKTAL : Jurnal Ilmu Komputer dan Sains, 2(03), 928–935. Retrieved from https://journal.mediapublikasi.id/index.php/oktal/article/view/1103

Simbolon, H. F. S. ., Zulham Effendi, & Irwansyah.(2022). Rekognisi Pola Daun Gulma di Perkebunan Melalui Proses Pencitraan (Image Processing). Jurnal Agro Estate, 6(2), 66–76. https://doi.org/10.47199/jae.v6i2.104

Taufiq, Arif, M. P.,& Pratama, Ahmad R.(2021).Rancang Bangun Aplikasi Android ‘Kuliah Apa?’ Berbasis Flutter Dan TensorFlow Lite. Automata 2(1).

T. Bayu Kurniawan, & Syarifuddin.(2020). Perancangan Sistem Aplikasi Pemesanan Makanan dan Minuman Pada Cafetaria No Caffe di Tanjung Balai Karimun Menggunakan Bahasa Pemograman Php dan Mysql. Jurnal Tikar, 1(2), 192-206. https://doi.org/10.51742/teknik_informatika.v1i2.153




DOI: https://doi.org/10.24198/jt.vol17n2.1

Refbacks

  • There are currently no refbacks.


Indexed by:

 

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License (CC BY-SA 4.0)