Deteksi Hama Pada Daun Teh Dengan Metode Convolutional Neural Network (Cnn)

Produksi dan pengembangan komoditas teh merupakan salah satu core business perkebunan PTPN VIII. Salah satu penyebab turunnya produksi teh di Indonesia adalah serangan hama, ada dua jenis hama, yaitu hama blister blight dan hama hellopeltis. Dalam penelitian ini dapat diperoleh melalui empat tahap, yaitu pertama tahap preprocessing menggunakan metode grayscale, edge detection (Sobel) dan Standardization, kedua tahap feedforward menggunakan metode convolutinal layer, relu, max pooling dan fully connected layer, ketiga tahap backpropagation dan keempat tahap confusion matrix. Convolutional Neural Network (CNN) adalah metode klasifikasi yang akan digunakan didalam penelitian ini, CNN merupakan variasi dari Multilayer Perceptron (MLP) yang terinsfirasi dari jaringan saraf manusia. Tujuan yang ingin dicapai yaitu, convolutional neural network dapat mendeteksi yang baik dalam mengenali jenis hama pada daun teh. Setelah melakukan pengujian sistem dengan metode Black Box dapat ditarik kesimpulan bahwa program berfungsi dengan baik. Pada proses pengujian dari data pengenalan yang telah disiapkan program mampu mendeteksi jenis hama pada daun teh dengan rata-rata akurasi sebesar 95%.

Production and development of commodities of tea is one of the core business of the plantation PTPN VIII. One of the causes of the decline in tea production in Indonesia is the pest attack, there are two types of pests, namely blister blight and pests pest hellopeltis. In this study can be obtained through the four stages, namely, the first stage of the preprocessing method using grayscale, edge detection (Sobel) and Standardization, second-stage feedforward method using convolutinal layer, relu, max pooling and fully connected layer, the third stage of backpropagation and the fourth stage of the confusion matrix. Convolutional Neural Network (CNN) is a method of classification to be used in this research, CNN is a variation of the Multilayer Perceptron (MLP) which terinsfirasi of neural network humans. The objectives to be achieved, namely, convolutional neural network can detect the good in recognizing the types of pests in tea leaves. After testing the system with the Black Box method can be drawn the conclusion that the program works fine. In the process of testing data from the introduction that had been prepared a program capable of detecting the type of pest in tea leaves with an average accuracy of 95%.