Deteksi penyakit tanaman dengan convolution neural network: Kombinasi arsitektur VGG16 dan ResNet34 untuk klasifikasi daun

Abstract

Penelitian ini bertujuan mengembangkan model yang mampu mendeteksi penyakit pada tanaman melalui analisis citra daun menggunakan metode Convolutional Neural Network (CNN). Penyakit tanaman merupakan salah satu faktor utama yang menyebabkan penurunan kualitas hasil pertanian dan perkebunan, sering kali ditandai dengan perubahan pada daun seperti bercak, kelayuan, dan perubahan warna menjadi cokelat. Untuk mencapai tujuan ini, penelitian ini menggabungkan dua arsitektur pemodelan CNN, yaitu VGG16 dan ResNet34, guna meningkatkan akurasi deteksi. Metodologi yang digunakan melibatkan pengumpulan data citra daun yang sehat dan sakit dari 14 jenis tanaman yang berbeda, dengan total 38 jenis penyakit. Data ini kemudian dibagi menjadi data latih dan uji, dan proses pelatihan dilakukan selama 15 epoch. Setelah melalui tahap pelatihan dan pengujian, model yang dihasilkan mampu mencapai tingkat akurasi sebesar 0.987, menunjukkan efektivitas pendekatan yang digunakan. Hasil penelitian ini menunjukkan bahwa kombinasi arsitektur VGG16 dan ResNet34 pada metode CNN dapat secara efektif mengidentifikasi penyakit pada daun tanaman dengan akurasi yang tinggi. Temuan ini diharapkan dapat berkontribusi dalam upaya peningkatan kualitas deteksi penyakit tanaman melalui teknologi pengolahan citra.