IMPLEMENTASI ARSITEKTUR ALEXNET DAN RESNET34 PADA KLASIFIKASI CITRA PENYAKIT DAUN KENTANG MENGGUNKAN TRANSFER LEARNING

Abstract

Penelitian ini mengimplementasikan arsitektur Alexnet dan Resnet34 dengan teknik transfer learning pada klasifikasi citra penyakit daun kentang. Kentang adalah komoditas penting dalam pertanian global, tetapi sering terkena penyakit seperti Late blight dan Early blight, yang mengancam hasil panen. Penelitian bertujuan untuk mengevaluasi akurasi transfer learning menggunakan Alexnet dan Resnet34 dalam mengklasifikasikan penyakit daun kentang. Kami juga membandingkan waktu pelatihan kedua model. Tujuan penelitian adalah mencapai tingkat akurasi yang tinggi dalam identifikasi penyakit daun kentang untuk membantu petani mengambil tindakan pencegahan yang cepat dan efektif. Kami melatih kedua model selama 16 Epoch dengan batch size 14 dan parameter yang telah ditentukan. Learning rate dan weight decay diatur pada nilai tertentu. Model Alexnet mencapai akurasi 98% dengan waktu pelatihan 82 menit, sedangkan model Resnet34 mencapai akurasi 99% dalam waktu yang sama. Kedua model mampu memberikan hasil identifikasi yang sangat baik pada citra penyakit daun kentang. Penelitian ini penting untuk meningkatkan produktivitas pertanian dan memberikan solusi efisien dalam mengatasi masalah penyakit pada tanaman kentang.