Melola Discovery

← Melola Discovery

Jurnal Tanpa peringkat SINTA

Klasifikasi Hama Dan Penyakit Daun Kapas Berdasarkan Fitur Tekstur Dan Warna Menggunakan Multilayer Perceptron

Edu Komputika Journal · Vol. 10 No. 2 (2023) · hlm. 72–80

DOI
10.15294/edukomputika.v10i2.68580
ISSN
2599-297X, 2252-6811
Terbit
2023-12-29
Penerbit
Jurusan Teknik Elektro Universitas Negeri Semarang
Bahasa
eng

Abstrak

Kapas merupakan bahan baku dari Industri Tekstil dan Produk Tekstil (TPT) di Indonesia. Namun, produksi kapas di Indonesia tidak dapat memenuhi kebutuhan nasional. Untuk meningkatkan produksi kapas, perlu dilakukan identifikasi penyakit dan hama pada tanaman kapas sehingga mendapatkan penanganan yang tepat dan mengatasi terjadinya kegagalan panen. Beberapa penelitian telah dilakukan mengenai identifikasi penyakit pada daun kapas dengan menggunakan kecerdasan buatan. Tetapi, penelitian-penelitan yang telah dilakukan sebelumnya lebih berfokus pada klasifikasi penyakit yang terjadi pada daun kapas. Oleh karena itu, penelitian ini memiliki tujuan untuk membuat sistem yang tidak hanya dapat mengklasifikasi penyakit daun kapas, tetapi dapat juga mengklasifikasi hama yang terdapat pada daun kapas. Bedasarkan pengujian yang telah dilakukan, Tingkat akurasi dalam klasifikasi pada hama dan penyakit tanaman kapas pada data uji menghasilkan nilai akurasi tertinggi sebesar 90%. Nilai tersebut didapatkan pengujian dengan kombinasi fitur Color Moment dan fitur GLCM dengan sudut 0⁰ sebagai input serta arsitektur MLP menggunakan fungsi aktivasi tanh dan 1024 perceptron di hidden layer.

Jaringan kolaborasi para penulis

5 penulis · 6 tautan kepenulisan bersama

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • University of Pembangunan Nasional Veteran Jawa Timur
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Henni Endah WahananiUniversity of Pembangunan Nasional Veteran Jawa Timur2
Made Hanindia Prami SwariUniversity of Pembangunan Nasional Veteran Jawa Timur2

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unnes.ac.id/sju/index.php/edukom/oai, pertama di-harvest 5 Nov 2026, terakhir terlihat 8 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">Klasifikasi Hama Dan Penyakit Daun Kapas Berdasarkan Fitur Tekstur Dan Warna Menggunakan Multilayer Perceptron</dc:title>
	<dc:creator>Awandi, Nadhif Mahardika</dc:creator>
	<dc:creator>Nugroho, Budi</dc:creator>
	<dc:creator>Akbar, Fawwaz Ali</dc:creator>
	<dc:description xml:lang="en-US">Kapas merupakan bahan baku dari Industri Tekstil dan Produk Tekstil (TPT) di Indonesia. Namun, produksi kapas di Indonesia tidak dapat memenuhi kebutuhan nasional. Untuk meningkatkan produksi kapas, perlu dilakukan identifikasi penyakit dan hama pada tanaman kapas sehingga mendapatkan penanganan yang tepat dan mengatasi terjadinya kegagalan panen. Beberapa penelitian telah dilakukan mengenai identifikasi penyakit pada daun kapas dengan menggunakan kecerdasan buatan. Tetapi, penelitian-penelitan yang telah dilakukan sebelumnya lebih berfokus pada klasifikasi penyakit yang terjadi pada daun kapas. Oleh karena itu, penelitian ini memiliki tujuan untuk membuat sistem yang tidak hanya dapat mengklasifikasi penyakit daun kapas, tetapi dapat juga mengklasifikasi hama yang terdapat pada daun kapas. Bedasarkan pengujian yang telah dilakukan, Tingkat akurasi dalam klasifikasi pada hama dan penyakit tanaman kapas pada data uji menghasilkan nilai akurasi tertinggi sebesar 90%. Nilai tersebut didapatkan pengujian dengan kombinasi fitur Color Moment dan fitur GLCM dengan sudut 0⁰ sebagai input serta arsitektur MLP menggunakan fungsi aktivasi tanh dan 1024 perceptron di hidden layer.</dc:description>
	<dc:publisher xml:lang="en-US">Jurusan Teknik Elektro Universitas Negeri Semarang</dc:publisher>
	<dc:date>2023-12-29</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unnes.ac.id/sju/edukom/article/view/68580</dc:identifier>
	<dc:identifier>10.15294/edukomputika.v10i2.68580</dc:identifier>
	<dc:source xml:lang="en-US">Edu Komputika Journal; Vol 10 No 2 (2023): Edu Komputika Journal; 72 - 80</dc:source>
	<dc:source>2599-297X</dc:source>
	<dc:source>2252-6811</dc:source>
	<dc:source>10.15294/edukomputika.v10i2</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/edukom/article/view/68580/26810</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2023 Edu Komputika Journal</dc:rights>
</oai_dc:dc>