Deteksi Citra Daun untuk Klasifikasi Penyakit Padi menggunakan Pendekatan Deep Learning dengan Model CNN

Abstract

Pertanian merupakan sektor yang sangat penting yang berhubungan dengan ketahanan pangan, Padi merupakan salah satu produksi yang saat ini menempati urutan yang ketiga dari gandum dan jagung, tapi di tahun 2023 produksi padi di Indonesia mengalami penurunan dari tahun 2022 sebanyak 1,12 juta ton GKG dan penyakit pada tanaman merupakan salah satu penyebab berkurangnya kuantitas hasil pertanian. Penelitian ini bertujuan untuk mendeteksi penyakit pada tanaman padi berdasarkan citra daun dengan 3 kelas klasifikasi dan matrix pengujian untuk mengukur model yang dibangun. Pada penelitian ini menggunakan metode Convolutional Neural Network (CNN) untuk klasifikasi pada tanaman padi berdasarkan citra daun dengan 3 skenario pengujian menggunakan tools teks editor Jupyter Notebook untuk pengkodean sistem. Hasil Penelitian dengan training menunjukkan model CNN dapat melakukan klasifikasi penyakit pada padi berdasarkan citra daun, dari 3 skenario pengujian yang dilakukan skenario 2 menunjukkan hasil terbaik dengan Epoch 50 dengan nilai training dari Epoch terakhir yaitu training accuracy 0.9905 dan training loss 0.0280 sedangkan validasi akurasi 0.8000 dan validasi lossnya 0.9222 dengan confusion matrix menunjukkan kesesuaian prediksi berdasarkan kelas dengan classification report nilai recall, precision dan f1-score yang bagus yaitu 1.00.