Pengembangan Arsitektur CNN untuk Sistem Identifikasi Penyakit Daun pada Tanaman Padi

Authors

  • Ichsan Yudistura . Universitas Islam Lamongan
  • Nur Nafiiyah Universitas Islam Lamongan

DOI:

https://doi.org/10.30865/json.v7i1.8849

Keywords:

Identifikasi Penyakit Daun, CNN, Tanaman Padi, Klasifikasi, Augmentasi

Abstract

Penelitian ini bertujuan untuk mengembangkan arsitektur CNN dalam sistem identifikasi penyakit daun pada tanaman padi. Penyakit seperti blast, blight, dan tungro merupakan ancaman serius bagi produktivitas padi di Indonesia. Identifikasi penyakit secara manual membutuhkan keahlian khusus dan tidak selalu akurat, sehingga dibutuhkan solusi otomatis berbasis teknologi. Penelitian ini menggunakan dataset citra daun padi dari tiga kelas penyakit, masing-masing sebanyak 80 gambar. Proses augmentasi citra dilakukan dengan metode peningkatan kontras menggunakan histogram equalization dan CLAHE, untuk memperjelas fitur visual pada citra. Struktur CNN dibangun menggunakan sejumlah lapisan konvolusi dan pooling yang dirancang khusus untuk menangkap pola visual dari gambar daun.. Model diuji menggunakan data validasi dan menghasilkan akurasi sebesar 75%. Evaluasi lebih lanjut melalui confusion matrix menunjukkan bahwa model dapat mengenali penyakit blight dengan sangat baik, meskipun masih terdapat kekeliruan dalam membedakan antara blast dan tungro. Hasil penelitian ini menunjukkan bahwa pengembangan CNN dengan pendekatan yang tepat dapat menjadi solusi efektif dalam mendukung deteksi penyakit tanaman secara otomatis dan akurat.

References

H. N. Niko Pirnando, J. Petrus, and T. Tinaliah, “Klasifikasi Penyakit Daun Padi Menggunakan Convolutional Neural Network dengan Arsitektur AlexNet,” MDP Student Conf., vol. 4, no. 1, pp. 207–214, 2025, doi: 10.35957/mdp-sc.v4i1.11099.

G. Y. Christiawan, R. A. Putra, A. Sulaiman, E. Poerbaningtyas, S. Widyayuningtias, and P. Listio, “Penerapan Metode Convolutional Neural Network (CNN) Dalam Mengklasifikasikan Penyakit Daun Tanaman Padi Informasi Artikel Abstrak,” J. Inf. Technol., vol. 65146, no. 204, pp. 1–13, 2023.

R. P. Rahmadani, C. O. Qomaroni, and T. Agustin, “Klasifikasi Jenis Penyakit Pada Daun Padi berdasarkan pada Warna dan Tekstur menggunakan CNN,” Pros. Semin. Nas. AMIKOM Surakarta, vol. 2, no. November, pp. 448–460, 2024.

S. Azizah, A. I. Pradana, and D. Hartanti, “Identifikasi Kesehatan Daun Tanaman Padi Menggunakan Klasifikasi Biner Sehat dan Tidak Sehat dengan Algoritma Convolutional Neural Network (CNN) Di Kabupaten Klaten,” Komputika J. Sist. Komput., vol. 13, no. 2, pp. 173–181, 2024, doi: 10.34010/komputika.v13i2.12771.

M. R. S. Alfarizi, M. Z. Al-farish, M. Taufiqurrahman, G. Ardiansah, and M. Elgar, “Penggunaan Python Sebagai Bahasa Pemrograman untuk Machine Learning dan Deep Learning,” Karya Ilm. Mhs. Bertauhid (KARIMAH TAUHID), vol. 2, no. 1, pp. 1–6, 2023.

Radikto, I. M. Dadang, R. Ainur, and Z. Ohan, “Klasifikasi Kendaraan pada Jalan Raya menggunakan Algoritma Convolutional Neural Network ( CNN ),” J. Pendidik. Tambusai, vol. 6, no. 1, pp. 1668–1679, 2022.

A. ZHANG, Z. C. LIPTON, M. LI, and A. J. SMOLA, “Dive Into Deep Learning,” J. Am. Coll. Radiol., vol. 17, no. 5, pp. 637–638, 2020, doi: 10.1016/j.jacr.2020.02.005.

M. Khoiruddin, A. Junaidi, and W. A. Saputra, “Klasifikasi Penyakit Daun Padi Menggunakan Convolutional Neural Network,” J. Dinda Data Sci. Inf. Technol. Data Anal., vol. 2, no. 1, pp. 37–45, 2022, doi: 10.20895/dinda.v2i1.341.

R. A. Saputra, S. Wasiyanti, A. Supriyatna, and D. F. Saefudin, “Penerapan Algoritma Convolutional Neural Network Dan Arsitektur MobileNet Pada Aplikasi Deteksi Penyakit Daun Padi,” Swabumi, vol. 9, no. 2, pp. 184–188, 2021, doi: 10.31294/swabumi.v9i2.11678.

F. H. Hawari, F. Fadillah, M. R. Alviandi, and T. Arifin, “KLASIFIKASI PENYAKIT PADI MENGGUNAKAN ALGORITMA CNN (CONVOLUTIONAL NEURAL NETWORK) Fakhri,” J. RESPONSIF, vol. 4, no. 1, pp. 1–6, 2022, doi: 10.54914/jtt.v10i1.1167.

A. Jinan, B. H. Hayadi, and U. P. Utama, “Klasifikasi Penyakit Tanaman Padi Mengunakan Metode Convolutional Neural Network Melalui Citra Daun (Multilayer Perceptron),” J. Comput. Eng. Sci., vol. 1, no. 2, pp. 37–44, 2022.

S. Sheila, I. Permata Sari, A. Bagas Saputra, M. Kharil Anwar, and F. Restu Pujianto, “Deteksi Penyakit Pada Daun Padi Berbasis Pengolahan Citra Menggunakan Metode Convolutional Neural Network (CNN),” Multinetics, vol. 9, no. 1, pp. 27–34, 2023, doi: 10.32722/multinetics.v9i1.5255.

H. Nurdiana, N. Lestari, Rusdiyanto, and A. Sobri, “Klasifikasi Penyakit Tanaman Padi Berdasarkan Kondisi Daun Menggunakan Compact Convolutional Transformers,” J. Ilm. Komput. dan Inform., vol. 14, no. 1, 2025, doi: 10.34010/komputa.v14i1.

U. N. Oktaviana, R. Hendrawan, A. D. K. Annas, and G. W. Wicaksono, “Klasifikasi Penyakit Padi berdasarkan Citra Daun Menggunakan Model Terlatih Resnet101,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 6, pp. 1216–1222, 2021, doi: 10.29207/resti.v5i6.3607.

S. Sariah, N. Suarna, I. Ali, and ..., “Penerapan Convolutional Neural Network (CNN) Untuk Prediksi Penyakit Tanaman Padi Melalui Citra Daun,” … Komtika (Komputasi dan …, vol. 9, no. 1, pp. 1–10, 2025, [Online]. Available: https://journal.unimma.ac.id/index.php/komtika/article/view/12852%0Ahttps://journal.unimma.ac.id/index.php/komtika/article/download/12852/5830

R. C. Gonzalez and R. E. Woods, “Digital Image Processing,” SANITAS J. Teknol. dan Seni Kesehat., vol. 9, no. 2, pp. 93–104, 1992, doi: 10.36525/sanitas.2018.11.

E. Hermawan, S. Agustian2, and D. M. Saputra, “Klasifikasi Kesehatan Pada Tanaman Padi Menggunakan Citra Unmaned Aerial Vehicle (Uav) Dengan Metode Convolutional Neural Networks (Cnn),” J. Ilm. Teknol. Infomasi Terap., vol. 9, no. 3, pp. 308–318, 2023, doi: 10.33197/jitter.vol9.iss3.2023.1044.

A. Agustina, F. Yanto, E. Budianita, I. Iskandar, and F. Syafira, “KLASIFIKASI PENYAKIT TANAMAN PADI MENGGUNAKAN METODE CNN ARSITEKTUR DENSENET- 121 DAN AUGMENTASI DATA TUGAS,” J. Ekon. Vol. 18, Nomor 1 Maret201, vol. 2, no. 1, pp. 41–49, 2024.

M. Rijal, A. M. Yani, and A. Rahman, “Deteksi Citra Daun untuk Klasifikasi Penyakit Padi menggunakan Pendekatan Deep Learning dengan Model CNN,” J. Teknol. Terpadu, vol. 10, no. 1, pp. 56–62, 2024, doi: 10.54914/jtt.v10i1.1224.

S. A. Wisak, N. A. Safirah, and Y. R. Kaesmetan, “Identifikasi Jenis Mangga Berdasarkan Ciri Daun Menggunakan Metode Cnn,” J. Sist. Inf. dan Inform., vol. 7, no. 2, pp. 121–129, 2024, doi: 10.47080/simika.v7i2.3295.

Downloads

Published

2025-09-08

How to Cite

., I. Y., & Nafiiyah, N. (2025). Pengembangan Arsitektur CNN untuk Sistem Identifikasi Penyakit Daun pada Tanaman Padi. Jurnal Sistem Komputer Dan Informatika (JSON), 7(1), 24–32. https://doi.org/10.30865/json.v7i1.8849

Issue

Vol. 7 No. 1 (2025): September 2025

Section

Articles

License

Copyright (c) 2025 Ichsan Yudistura ., Nur Nafiiyah

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License

Authors who publish with this journal agree to the following terms:

  1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under Creative Commons Attribution 4.0 International License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (Refer to The Effect of Open Access).