Implementasi Metode CNN Menggunakan Arsitektur Resnet101 Pada Citra Penyakit Daun Padi

Abstract

Indonesia sebagai negara agraris memiliki peran penting dalam sektor pertanian terhadap perekonomian negara. Salah satu komoditas utama yang menjadi tulang punggung sektor ini adalah padi. Namun, produktivitas tanaman padi seringkali terganggu akibat penyakit seperti bacterial leaf blight, brown spot, dan leaf smut yang menyerang daun dari tanaman tersebut. Model yang dikembangkan, kemudian diuji menggunakan beberapa metrik seperti akurasi, precision, recall, dan f1-score yang berfungsi sebagai alat ukur performa model. Tujuan dari penelitian ini adalah pengembangan sistem klasifikasi penyakit daun padi menggunakan metode CNN dengan model ResNet101. Hasil penelitian menunjukkan bahwa model ResNet101 dapat mengenali penyakit pada daun padi dengan nilai akurasi sebesar 33% pada data validasi yang masih harus ditingkatkan kembali pada beberapa kelasnya. Harapan dari penelitian ini adalah dapat mendiagnosis penyakit tanaman padi secara otomatis, yang diharapkan dapat mempercepat deteksi dan penanggulangan penyakit pada tanaman padi. Pengembangan riset berikutnya dapat diarahkan pada optimalisasi keseimbangan data serta pemanfaatan teknik penanganan overfitting yang lebih variatif.