Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Rekursif: Jurnal Informatika

Sistem Pendeteksi Genus Gulma Pada Tanaman Jagung Menggunakan Algoritme Single Shot Detector Ade Agustian Saputra; Boko Susilo; Mochammad Yusa; Uswatun Nurjanah
Rekursif: Jurnal Informatika Vol 11 No 1 (2023): Volume 11 Nomor 1 Maret 2023
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33369/rekursif.v10i1.18634

Abstract

Tanaman jagung (Zea mays L) merupakan tanaman pangan penghasil karbohidrat potensial kedua di Indonesia setelah beras. Provinsi Bengkulu merupakan provinsi yang sebagian besar wilayahnya merupakan kawasan hutan lindung dan hutan rakyat. Perkebunan jagung mengalami gangguan, antara lain disebabkan oleh gulma. Gulma merupakan tumbuhan liar yang sering muncul di pekarangan rumah dan pertanian masyarakat. Penelitian ini hanya diambil empat jenis gulma yang sering muncul di perkebunan jagung yaitu Ageratum sp, Commelina sp, Eleusine sp, dan Sacciolepis sp. Penelitian ini dibangun sebuah model identifikasi genus gulma dengan memanfaatkan algoritma Single Shot Detector (SSD). Single Shot Detector merupakan sebuah model yang dapat mendeteksi atau mengenali objek pada suatu gambar. Penelitian ini menggunakan 800 dataset training untuk melatih sistem Deep Learning dan 150 Dataset testing untuk validasi dan evaluasi terhadap model yang dihasilkan. Dengan nilai threshold IoU dan minimum confidence @0.80 tingkat akurasi yang didapatkan pada penelitian ini sebesar 62.44%.Tanaman jagung (Zea mays L) merupakan tanaman pangan penghasil karbohidrat potensial kedua di Indonesia setelah beras. Provinsi Bengkulu merupakan provinsi yang sebagian besar wilayahnya merupakan kawasan hutan lindung dan hutan rakyat. Perkebunan jagung mengalami gangguan, antara lain disebabkan oleh gulma. Gulma merupakan tumbuhan liar yang sering muncul di pekarangan rumah dan pertanian masyarakat. Penelitian ini hanya diambil empat jenis gulma yang sering muncul di perkebunan jagung yaitu Ageratum sp, Commelina sp, Eleusine sp, dan Sacciolepis sp. Penelitian ini dibangun sebuah model identifikasi genus gulma dengan memanfaatkan algoritma Single Shot Detector (SSD). Single Shot Detector merupakan sebuah model yang dapat mendeteksi atau mengenali objek pada suatu gambar. Penelitian ini menggunakan 800 dataset training untuk melatih sistem Deep Learning dan 150 Dataset testing untuk validasi dan evaluasi terhadap model yang dihasilkan. Dengan nilai threshold IoU dan minimum confidence @0.80 tingkat akurasi yang didapatkan pada penelitian ini sebesar 62.44%.