Klasifikasi Penyakit Tanaman Padi Berbasis Citra Daun Menggunakan Convolutional Neural Network (CNN)

Abstract

Tanaman padi merupakan salah satu tanaman yang berperan penting sebagai makanan pokok yang dikonsumsi dalam kehidupan sehari-hari. Hampir 95% penduduk Indonesia menjadikan beras sebagai makanan pokok, sehingga pada setiap tahunnya permintaan akan kebutuhan beras semakin meningkat seiring dengan bertambahnya jumlah penduduk. Dikarenakan peningkatan kebutuhan dan produksi beras, maka kestabilan produksi beras harus tetap terjaga. Adanya serangan penyakit pada tanaman padi merupakan salah satu faktor yang mempengaruhi kesabilan produksi beras. Kurangnya pengetahuan dan wawasan mengenai penyakit tanaman padi membuat petani kesulitan dalam mengidentifikasi jenis penyakit tanaman padi sehingga memungkinkan pengendalian yang dilakukan kurang sesuai. Hal tersebut dapat menyebabkan tanaman mati dan terjadinya gagal panen. Penelitian ini bertujuan untuk mengetahui hasil akurasi dan mempermudah petani dalam mengklasifikasikan jenis penyakit tanaman padi menggunakan convolutional neural network (CNN) dengan arsitektur VGG16 yang telah dilatih sebelumnya pada dataset ImageNet. Data yang digunakan adalah data empat jenis penyakit tanaman padi yang umum dijumpai yaitu penyakit bacterial leaf blight, penyakit blas, penyakit brown spot dan penyakit tungro. Jumlah data yang digunakan sebanyak 800 data dengan masing-masing 400 data perjenis penyakitnya. Hasil dari penelitian yang dilakukan menunjukkan bahwa CNN menghasilkan akurasi sebesar 88 dan untuk VGG16 memperoleh nilai akurasi sebesar 93. Dapat disimpulkan dari penggunaan dua model tersebut, VGG16 memperoleh akurasi yang lebih tinggi jika dibandingan dengan CNN dalam mengklasifikasikan jenis penyakit tanaman padi berbasis citra daun.