PENGARUH ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI PENYAKIT DAUN TOMAT

Abstract

Penyakit tanaman menjadi salah satu factor yang krusial dalam keberlangsungan hidup tanaman. Pada tanaman tomat juga dibutuhkan identifikasi awal untuk dapat menangani masalah penyakit. Salah satu organ tanaman tomat yang biasa diserang penyakit adalah daun. Dengan melakukan identifikasi sejak dini maka dapat mencegah terjadinya gagal panen. Tentu dengan adanya system yang terlatih dapat mengurangi biaya seorang petani dalam menangani penyakit tanpa bantuan ahli. Pada penelitian ini akan dilakukan uji kemampuan arsitektur CNN untuk mengklasifikasi citra penyakit daun tomat. Dataset yang digunakan  berjumlah 4079 data citra yang terbagi menjadi 3 kelas penyakit. Dari hasil percobaan yang telah dilakukan arsitektur InceptionV3 mendapatkan hasil terbaik dengan tingkat akurasi sebesar 100%, ResNet50 memiliki akurasi 97,36% dan MobileNet 85,81%.