KLASIFIKASI PENYAKIT PADA TANAMAN PADI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN)

INESTYA DIZA GHAISANI

Informasi Umum

Kode

21.04.788

Klasifikasi

621.367 - Technological photography and photo-optics, Spectrography, Stroboscopic photography, Image processing, Optical data processing

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Image Processing

Informasi Lainnya

Abstraksi

Tanaman padi merupakan salah satu tanaman budidaya yang penting di dunia. Banyak negara-negara di dunia terutama di Asia menjadikan hasil produksi padi sebagai bahan makanan pokok sehari-hari, termasuk di Indonesia. Tanaman padi yang sehat akan menghasilkan beras dengan kualitas dan kuantitas yang baik pula. Namun, ada banyak faktor yang dapat menghambat produksi beras, salah satunya adalah adanya penyakit pada tanaman padi. Penyakit pada tanaman padi dapat menyerang semua bagian tanaman, baik daun, batang dan gabah. Jika tidak segera diberikan penanganan, maka tanaman dapat layu bahkan mati sebelum dapat dipanen, tanaman padi berpenyakit yang bertahan hingga masa panen juga tidak bisa menghasilkan beras dengan kualitas yang baik. Pada penelitian Tugas Akhir ini, telah dibuat suatu sistem yang mampu mengklasifikasi penyakit pada tanaman padi dengan menggunakan Convolutional Neural Network (CNN) dengan fungsi aktivasi Softmax. Data diolah melalui beberapa tahapan. Data citra yang digunakan pada penelitian ini berupa tiga kelas penyakit pada tanaman padi yang peneliti dapat dari www.kaggle.com. Tiga kelas penyakit tersebut adalah penyakit hawar daun bakteri (leaf blight), bercak daun (brown spot) dan daun smut (leaf smut), di mana masing-masing kelas terdiri atas 4000 data citra. Parameter jumlah hidden layer, optimizer dan learning rate berpengaruh terhadap hasil performansi sistem berupa nilai akurasi, precision, recall, f1 score dan loss. Di mana pada penelitian ini didapatkan hasil terbaik yaitu dengan penggunaan 5 hidden layer, RMSprop optimizer dan learning rate 0,0001 didapatkan hasil performansi sistem untuk akurasi, precision, recall, f1-score dan loss masing-masing sebesar 99,77%, 100%, 100%, 100% dan 0,0039.

Kata Kunci: Tanaman padi, pengolahan citra, Convolutional Neural Network, performansi sistem.