Analisa Performa Arsitektur Transfer Learning Untuk Mengindentifikasi Penyakit Daun Pada Tanaman Pangan

Abstract

Salah satu faktor gagal panen ialah serangan penyakit yang menyerang pada bagian daun pada tanaman. Solusi dari permasalahan ini yaitu dengan melakukan identifikasi dini penyakit tanaman pangan dengan memanfaatkan image classification dan deep learning menggunakan objek citra daun untuk mempercepat proses identifikasi penyakit pada daun tanaman pangan sehingga tidak mempengaruhi hasil produksi tanaman. Banyak penelitian yang sudah membuat penelitian memanfaatkan Image classification untuk klasifikasi penyakit tanaman berdasarkan citra daun menggunakan metode Transfer Learning. Namun pada penelitian terdahulu hanya menggunakan satu dua atau tiga arsitetur dan hanya mengunakan satu dataset saja untuk proses pengujian yang membuat tidak terlalu memberikan jawaban arsitektur mana yang mempunyai performa terbaik untuk membuat model klasifikasi penyakit berdasarkan citra daun tanaman. oleh karena itu diperlukan adanya perbandingan performa dari tiap model arsitektur untuk mengetahu arsitektur mana yang terbaik. Maka dari itu penelitian ini, peneliti akan melakukan eksperimen menggunakan lima arsitektur dan tiga dataset yang berbeda dengan enam sekenario pelatihan model dan selanjutnya kami melakukan anlisis perbandingan kinerja tiap sekenario pelatihan model. Hasilnya Penelitian ini dilakukan analisa hasil pelatihan dan pengujian yang sudah dilakukan arsitektur VGG 16 memiliki performa yang paling baik dibandingkan dengan arsitektur lainnya yang diujikan.

Keywords

• transfer learning
• cnn
• deep learning
• image classification
• tanaman pangan