Deteksi Defisiensi Nutrisi Tanaman Pakcoy Berdasarkan Citra Warna Daun Menggunakan Convolutional Neural Network dan K-Nearest Neighbors
Defisiensi nutrisi pada tanaman merupakan kondisi kurangnya nutrisi yang dibutuhkan tanaman dan dapat mengurangi komoditas tanaman. Defisiensi nutrisi dapat diketahui dengan Artificial Intelligence (AI) malalui warna daun. Penelitian ini bertujuan untuk membangun model kombinasi Convolutional Neural Network (CNN) dan K-Nearest Neighbors (KNN) agar dapat mendeteksi defisiensi nutrisi tanpa batasan kelas. Dimana hal tersebut tidak dapat dilakukan hanya dengan model CNN saja. Kombinasi model CNN dan KNN di bangun dengan 60 data rata-rata intensitas warna daun tanaman pakcoy dengan kelas 250 ppm, 500 ppm, 750 ppm, dan 1000 ppm. Penelitian ini dilakukan dengan menentukan nilai K terbaik dalam model regresi KNN serta uji variasi rasio pembagian data. model CNN dan kombinasi model CNN dan KNN di-deploy ke Raspberry Pi yang terintegrasi dengan webcam dan Telegram serta dilakukan analisis pada kedua model tersebut. Hasil analisis menyatakan bahwa kombinasi model CNN dan KNN lebih unggul dalam mendeteksi defisiensi nutrisi tanaman pakcoy. Dengan rasio pembagian data training dan data testing sebesar 90% : 10%, dan nilai K = 9 didapatkan akurasi sebesar 98.98
URI
https://repo.itera.ac.id/depan/submission/SB2401150070
Keyword
artificial intelligence, machine learning, variasi artificial intelligence, machine learning, nutriti