Classification of Nutrient Deficiencies Based on Leaf Image in Hydroponic Lettuce using MobileNet Architecture
| Autor: | ANYELIA ADIANGGIALI, INDRARINI DYAH IRAWATI, SUGONDO HADIYOSO, ROHAYA LATIP |
|---|---|
| Jazyk: | indonéština |
| Rok vydání: | 2023 |
| Předmět: | |
| Zdroj: | Jurnal Elkomika, Vol 11, Iss 4 (2023) |
| Druh dokumentu: | article |
| ISSN: | 2338-8323 2459-9638 |
| DOI: | 10.26760/elkomika.v11i4.958 |
| Popis: | ABSTRAK Saat ini sektor industri di Indonesia tumbuh semakin pesat yang menggeser lahan pertanian menjadi sempit. Hal tersebut mengakibatkan para petani perlu mencari lahan lain untuk tetap dapat memproduksi bahan pangannya. Hidroponik merupakan teknik bertanam menggunakan media air yang memanfaatkan lahan sempit. Salah satu tanaman yang sering diterapkan ialah tanaman selada. Namun, dengan penerapan teknik hidroponik ini masih terdapat kualitas tanaman selada yang kurang baik karena kurang memperhatikan pemeliharaannya sehingga mengakibatkan kurangnya nutrisi pada tanaman selada. Maka dari itu, pada penelitian ini akan membuat sistem klasifikasi defisiensi nutrisi pada tanaman hidroponik selada melalui citra daun dengan menggunakan Convolutional Neural Network (CNN) berbasis arsitektur MobileNetV2. Hasil dalam skenario uji penelitian ini memperoleh akurasi sebesar 88%. Dengan begitu, diharapkan dapat membantu para petani untuk mengetahui defisiensi nutrisi pada tanaman selada agar tetap dapat menjaga kualitas produksi tanaman selada. Kata kunci: CNN, hidroponik, MobileNetV2, nutrisi, selada  ABSTRACT Currently the industrial sector in Indonesia is growing rapidly which shifts agricultural land to narrow. This resulted in farmers needing to look for other land to continue to be able to produce their food. Hydroponics is a farming technique using water media that utilizes narrow land. One of the plants that is often used is lettuce. However, with the application of this hydroponic technique, the quality of lettuce plants is still not good due to lack of attention to maintenance, resulting in a lack of nutrition in lettuce plants. Therefore, this research will create a nutritional deficiency classification system in hydroponic lettuce through leaf images using a Convolutional Neural Network (CNN) based on the MobileNetV2 architecture. The results in this research test scenario obtained an accuracy of 88%. That way, it is hoped that it can help farmers to find out nutritional deficiencies in lettuce plants so that they can maintain the quality of lettuce production. Keywords: CNN, hydroponic, lettuce, MobileNetV2, nutrition |
| Databáze: | Directory of Open Access Journals |
| Externí odkaz: |
|