Klasifikasi Penyakit Pada Citra Buah Jeruk Menggunakan Metode Convolutional Neural Network (CNN) dengan Arsitektur AlexNet

Abstract

Jeruk adalah buah tahunan yang berasal dari benua Asia. Jeruk termasuk tanaman yang sangat rentan terhadap serangan penyakit yang dapat dilihat dengan beberapa tanda bercak pada buah. biasanya para petani bergantung pada ahli tanaman yang dapat melakukan pemeriksaan terhadap buah jeruk. Pemeriksaan dengan upaya tersebut memerlukan dana yang cukup mahal dan memiliki resiko kesalahan yang cukup besar. Untuk melakukan proses diagnosa penyakit buah jeruk dibutuhkan proses yang cepat dan akurat. Permasalahan yang terjadi adalah diagnosa penyakit buah jeruk masih dilakukan secara manual, hal ini menyebabkan akurasi yang kurang baik dan subjektif. Perbedaan persepsi antar ahli tanaman dapat menyebabkan hasil diagnosa yang berbeda. Sehingga dibutuhkan teknologi yang dapat membantu ahli tanaman untuk menganalisa foto penyakit buah jeruk dengan cepat dan akurat dengan penggunaan teknologi informasi berbasis komputer dan data seperti Kecerdasan Buatan atau Artifical Intelligence (AI). Perkembangan teknologi di bidang AI berdampak besar pada berbagai bidang seperti peternakan, kedokteran, pertanian, dan lainnya. Salah satu teknologi yang paling memiliki dampak signifikan adalah deep learning. Salah satu metode dari deep learning yang sering dimanfaatkan dalam penelitian yaitu CNN. CNN terdiri dari banyak arsitektur. Salah satu arsitektur CNN yang paling banyak digunakan dalam penelitian adalah AlexNet. AlexNet adalah salah satu dari arsitektur CNN yang tercipta dari penelitian yang dilakukan oleh Alex Krizhevsky dkk dari University of Toronto. Berdasarkan penjelasan sebelumnya, peneliti akan menggunakan deep learning dengan metode yang sedang dikembangkan yaitu Convolutional Neural Network (CNN) dengan arsitektur AlexNet yang diharapkan memiliki nilai akurasi yang lebih tinggi. Penelitian ini akan mengklasifikasi penyakit buah jeruk yaitu blackspot, canker dan grenning.