Klasifikasi Penyakit Daun Padi menggunakan Metode CNN Dengan Augmentasi Data Berbasis Deep Convolutional GAN (DCGAN)

Abstract

Pertanian padi sangat vital bagi ekonomi Indonesia dan menjadi makanan pokok bagi banyak negara, termasuk Indonesia. Negara ini adalah salah satu penghasil dan konsumen beras terbesar di dunia. Produktivitas padi di Indonesia cukup tinggi, terutama di Pulau Jawa. Penyakit pada daun padi, seperti blast, brown spot, dan leaf smut, dapat mengurangi hasil panen, sehingga deteksi dan diagnosis yang cepat sangat penting. Namun, petani sering menghadapi tantangan dalam mengenali dan mengobati penyakit tanpa bantuan ahli, yang dapat menyebabkan penurunan produksi. Computer vision adalah seni atau ilmu dalam bidang teknologi untuk membuat mesin memahami tingkat tinggi dari pola dan representasi gambar atau video sehingga dapat membuat keputusan cerdas yang mirip dengan apa yang akan dilakukan manusia. Penulis menggunakan deeplearning dengan metode convolutional neural network untuk mendeteksi klasifikasi penyakit daun pada tanaman padi, karena akurasi yang bagus dalam mendeteksi suatu objek klasifikasi. Penulis menggunakan arsitektur Inception V3 pada model CNN dan menambahkan dua metode augmentasi untuk meningkatkan akurasi pada model dan juga bertujuan untuk mengetahui performa data augmentasi mana yang lebih akurat dalam klasifikasi penyakit daun padi menggunakan model Inception V3. Hasil training dan validation test model pada klasifikasi penyakit daun padi menggunakan data augmentasi basic dan augmentasi DCGAN menghasilkan akurasi data training tertinggi 95.59 dan akurasi data validasi 87.19 pada data augmentasi basic, hasil tersebut dicapai dengan menggunakan fine tuning pada batch size 64 dan learning rate 0,0001