AGRILENS: APLIKASI PENDETEKSI PENYAKIT PADA DAUN TANAMAN TOMAT MENGGUNAKAN MACHINE LEARNING
Article Sidebar
Tomat,
Machine learning,
Vertex AI,
Aplikasi Mobile,
Plant Disease Detection,
Tomato,
Mobile Application
Main Article Content
Abstract
Pertanian merupakan sektor penting di Indonesia, khususnya dalam produksi tomat yang memiliki nilai ekonomis tinggi. Namun, petani sering menghadapi tantangan dalam mendeteksi penyakit tanaman secara dini. Penelitian ini bertujuan untuk mengembangkan aplikasi berbasis machine learning yang mampu mendeteksi penyakit pada daun tanaman tomat menggunakan gambar. Aplikasi yang dinamai "Agrilens" ini memanfaatkan teknologi Convolutional Neural Network (CNN) yang diimplementasikan melalui layanan Vertex AI dari Google Cloud Platform. Proses penelitian meliputi pengumpulan dataset gambar daun tomat sehat dan berpenyakit, pelatihan model machine learning, serta pengembangan dan pengujian aplikasi berbasis React Native. Aplikasi ini dirancang untuk memudahkan petani dalam mengunggah gambar daun dan mendapatkan diagnosis serta saran penanganan yang tepat. Hasil pengujian menunjukkan bahwa aplikasi mampu mendeteksi penyakit dengan akurasi tinggi, memberikan solusi yang efektif dalam pengelolaan kesehatan tanaman tomat. Dengan inovasi ini, diharapkan dapat meningkatkan efisiensi dan hasil produksi petani, mendukung ketahanan pangan, serta memajukan teknologi di sektor pertanian Indonesia
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
Kalsum, U., Sukma, D. and Susanto, S. (2018) ‘PENGARUH KITOSAN TERHADAP KUALITAS DAN DAYA SIMPAN BUAH TOMAT (Solanum lycopersicum L.)’, Jurnal Pertanian Presisi (Journal of Precision Agriculture), 2(2), pp. 67–76. Available at: https://doi.org/10.35760/jpp.2018.v2i2.2531.
L Tobing, D.M. et al. (2019) ‘SISTEM PAKAR MENDETEKSI PENYAKIT PADA TANAMAN PADI MENGGUNAKAN METODE FORWARD CHAINING’, SISFOTENIKA, 9(2), p. 126. Available at: https://doi.org/10.30700/jst.v9i2.440.
Liwan, S. and Latue, P.C. (2023) ‘Analisis Spasial Perubahan Suhu Permukaan Daratan Kota Kupang Menggunakan Pendekatan Geospatial Artificial Intelligence (GeoAI)’, Buana Jurnal Geografi, Ekologi dan Kebencanaan, 1(1), pp. 14–20. Available at: https://doi.org/10.56211/buana.v1i1.343.
Moniaga, V.R.B. (2011) ‘ANALISIS DAYA DUKUNG LAHAN PERTANIAN’, AGRI-SOSIOEKONOMI, 7(2), p. 61. Available at: https://doi.org/10.35791/agrsosek.7.2.2011.92.
Sardjono, M.W. et al. (2024) ‘Klasifikasi Bentuk Bingkai (Frame) Kacamata Menggunakan CNN dengan Arsitektur Inception V3 dan Augmented Reality Berbasis Android’, Journal of System and Computer Engineering (JSCE), 5(2), pp. 204–218. Available at: https://doi.org/10.61628/jsce.v5i2.1292.
Sigitta, R.C., Saputra, R.H. and Fathulloh, F. (2023) ‘Deteksi Penyakit Tomat melalui Citra Daun menggunakan Metode Convolutional Neural Network’, AVITEC, 5(1), p. 43. Available at: https://doi.org/10.28989/avitec.v5i1.1404.
Tanaya, I.G.L.P. (2020) ‘ANALISIS FINANCIAL DAN DETERMINASI HARGA PADA RANTAI NILAI TOMAT DI KECAMATAN KAYANGAN KABUPATEN LOMBOK UTARA’, JURNAL AGRIMANSION, 20(2), pp. 67–82. Available at: https://doi.org/10.29303/agrimansion.v20i2.295.