Convolutional Neural Network (CNN) untuk Klasifikasi Penyakit Daun Teh (Camellia Sinensis)

Abstract

Perkembangan teknologi telah mendorong kemajuan dalam pengendalian penyakit tanaman. Salah satu penyakit tanaman yang perlu dikendalikan dengan cepat adalah penyakit daun teh. Penyakit daun teh sangat banyak. Pada penelitian ini, kami mengambil 4 sampel penyakit. Pengenalan citra penyakit daun teh dengan Convolutional Neural Networks (CNN) diperlukan untuk klasifikasi dan pengendalian penyakit. Proses pengenalan penyakit melalui proses klasifikasi citra dengan algoritma klasifikasi yang telah dilatih sebelumnya dengan data citra yang telah diberi label. Model yang baik sangat penting untuk pengenalan penyakit daun teh. Model yang baik dapat diukur dari akurasi, presisi, dan recall pada proses pengujian. Ada beberapa faktor yang mempengaruhi model, termasuk rasio pembagian dataset, jumlah pengulangan (epoch). Pada penelitian ini digunakan dataset sebanyak 400 data yang dibagi menjadi 4 kelas yang akan dilatih yaitu algal leaf, anthracnose, bird eye spot, and healthy. Berdasarkan hasil proses pengujian, didapatkan akurasi terbaik sebesar 100%, presisi 95% dan recall 24% dengan penerapan augmentasi, presisi dan recall pada tahap pre-processing, dengan menggunakan rasio dataset 70:30 dan epoch 150 berpengaruh dalam meningkatkan nilai akurasi.