Lewati ke konten
SDGs Center UDINUS

Catatan bukti · UDINUS · SDGs

Optimalisasi Klasifikasi Mult penyakit pada Daun Padi Menggunakan CNN dengan Locality Sensitive Hashing dan Jarak Chebyshev

Rektorat UDINUS 2025 Terbit 2026-10-30

Catatan bukti · UDINUS · SDGs

Unit
Rektorat UDINUS
Periode
2025
Tujuan
Nomor
df8b4d49-7792-4c72-bf10-9665fcf157d0
Terbit
2026-10-30

Universitas Dian Nuswantoro melaksanakan penelitian yang berfokus pada pengembangan sistem klasifikasi otomatis mult penyakit pada tanaman padi. Penyakit pada tanaman padi menjadi ancaman serius terhadap ketahanan pangan global karena dapat menyebabkan kehilangan hasil yang signifikan apabila tidak ditangani secara dini. Penelitian ini juga mempertimbangkan bahwa satu daun padi dapat terinfeksi oleh lebih dari satu penyakit.

Kegiatan tersebut menggabungkan Convolutional Neural Network dengan arsitektur ResNet50, Locality Sensitive Hashing, dan penghitungan jarak Chebyshev. Model CNN dilatih untuk mengekstraksi fitur utama dari citra daun padi. Locality Sensitive Hashing digunakan untuk mengindeks dan mencari citra yang serupa secara efisien. Jarak Chebyshev digunakan untuk mengukur perbedaan antara kode biner yang dihasilkan oleh Locality Sensitive Hashing sehingga akurasi klasifikasi dapat ditingkatkan.

Dataset yang digunakan terdiri atas 359 citra daun padi, termasuk 261 citra yang terinfeksi Leaf Blast, 76 citra yang terinfeksi Brown Spot, dan 22 citra yang terinfeksi beberapa penyakit. Pendekatan tersebut dibandingkan dengan arsitektur jaringan saraf berulang, termasuk model LSTM, GRU, dan BiLSTM. Sistem berbasis CNN mencapai kinerja terbaik pada epoch 50, dengan akurasi 99,72%, sensitivitas 99,78%, dan spesifisitas 99,80% melalui validasi silang lima lipatan. Sistem tersebut mengungguli model jaringan saraf berulang yang dibandingkan. Arsitektur yang diusulkan memiliki potensi kuat untuk mendukung klasifikasi mult penyakit secara dini pada tanaman padi serta menangani kekhawatiran mengenai overfitting melalui validasi yang ketat.

Rujukan https://www.scopus.com/pages/publications/105031561865?origin=resultslist