KLASIFIKASI PENYAKIT DAUN PADI MENGGUNAKAN MODEL DEEP LEARNING EFFICIENTNET-B6

Amanda Caecilia Milano

Abstract


Tanaman padi merupakan tanaman pangan utama di Indonesia. Tanaman ini diolah menjadi beras dan menjadi makanan utama sehari-hari seluruh masyarakat Indonesia. Pertumbuhan tanaman padi sangat penting untuk menjaga kualitas padi yang baik dan aman untuk dikonsumsi. Salah satu bagian tanaman padi yang mudah terserang penyakit yaitu daun tanaman padi, hal tersebut bisa mempersulit pertumbuhan tanaman padi dan menjadikan kualitas tanaman padi menurun. Metode Convolutional Neural Network dengan menggunakan arsitektur EfficientNet-B6 merupakan metode yang dapat digunakan untuk klasifikasi gambar atau citra yang mana bisa membantu untuk mengetahui penyakit tanaman padi dan melakukan pencegahan dan pemeliharaan tanaman padi lebih lanjut. Pada penelitian ini menggunakan 3355 citra daun tanaman padi yang dibagi menjadi empat kelas yaitu Healthy sebanyak 1488 citra, LeafBlast sebanyak 779 citra, Hispa sebanyak 565 citra, dan BrownSpot sebanyak 523 citra.  Klasifikasi dilakukan menggunakan metode Deep Learning dengan arsitektur EfficientNet-B6 dan diperoleh hasil kinerja terbaik yakni pada skenario dengan nilai size input = 224 dan jumlah epoch = 50, hasil akurasi tertinggi ada pada fold yang kelima dengan nilai akurasi sebesar 77.05%, presisi 77.11%, recall 77.05%, dan f1 score 76.29%. Serta, nilai AUC yang didapatkan skenario 2 juga paling optimal dengan nilai setiap fold dengan range 0.90 – 0.93.


Full Text:

PDF 551-559


DOI: http://dx.doi.org/10.23960/jitet.v12i1.3855

Refbacks

  • There are currently no refbacks.


This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Publisher
Jurusan Teknik Elektro, Fakultas Teknik, Universitas Lampung
Jl. Prof. Soemantri Brojonegoro No. 1 Bandar Lampung 35145
Email: jitet@eng.unila.ac.id
Website : https://journal.eng.unila.ac.id/index.php/jitet

Copyright (c) Jurnal Informatika dan Teknik Elektro Terapan (JITET)
pISSN: 2303-0577   eISSN: 2830-7062