Rekursif: Jurnal Informatika
Vol 11 No 1 (2023): Volume 11 Nomor 1 Maret 2023

Sistem Pendeteksi Genus Gulma Pada Tanaman Jagung Menggunakan Algoritme Single Shot Detector

Ade Agustian Saputra (Universitas Bengkulu)
Boko Susilo (Universitas Bengkulu)
Mochammad Yusa (Universitas Bengkulu)
Uswatun Nurjanah (Universitas Bengkulu)



Article Info

Publish Date
10 Apr 2023

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%.

Copyrights © 2023






Journal Info

Abbrev

rekursif

Publisher

Subject

Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering

Description

Rekursif adalah jurnal ilmiah yang diterbitkan oleh Program Studi Informatika, Fakultas Teknik, Universitas Bengkulu. Rekursif menerima artikel ilmiah dengan topik; Informatika, Sistem Informasi, dan Teknologi Informasi dari peneliti, dosen, guru, dan mahasiswa. Rekursif diterbitakan secara berkala ...