Identifikasi Penyakit pada Daun Tanaman Padi Menggunakan Metode Convolutional Neural Network dengan Resnet-152v2

Abstract

Tanaman padi rentan terhadap berbagai penyakit yang dapat menyebabkan penurunan hasil panen. Identifikasi penyakit pada daun tanaman padi menjadi penting untuk pengendalian penyakit tanaman padi. Penelitian ini menggunakan Convolutional Neural Network (CNN) dengan arsitektur ResNet152V2 untuk mengidentifikasi 6 jenis penyakit pada daun padi: blight, leaf blast, brown spot, tungro, hispa, dan daun sehat. Dataset terdiri dari gambar daun padi yang terkena penyakit, dataset tidak di dapatkan secara langsung melainkan di dapatkan di dalam penyedia dataset bersifat public yaitu Kaggle. Dilakukan pra-pemrosesan dataset dengan augmentasi data. Model CNN dengan ResNet-152V2 dilatih menggunakan dataset yang dipersiapkan. Pengujian dilakukan dengan membagi menjadi 3 skenario yaitu 70:30, 80:20, dan 90:10, untuk training dan validation nya, dari tiga pengujian skenario tersebut menunjukan bahwa akurasi terbaik di dapatkan oleh scenario 90:10, dengan Precision sebesar 96%, Recall 95,9%, F1-score 95,9%, dan akurasi sebesar 96%. Dengan menggunakan model yang telah dilatih, petani dan pakar pertanian dapat melakukan deteksi dini dan penanganan penyakit pada tanaman padi secara efektif. Hal ini akan membantu meningkatkan produktivitas tanaman padi serta mencegah penyebaran penyakit yang dapat mengganggu hasil panen. Penelitian ini menunjukkan potensi Convolutional Neural Network dengan arsitektur ResNet-152V2 dalam identifikasi penyakit pada daun tanaman padi. Model ini dapat digunakan sebagai alat bantu jika sudah di kembangkan menjadi aplikasi yang siap pakai dalam pengambilan keputusan untuk mengendalikan dan mencegah penyakit pada tanaman padi.