Implementasi Metode Convolutional Neural Network dengan Arsitektur Mobilenetv2 untuk Deteksi Penyakit Daun Tanaman Jagung ( Studi Kasus : PT Jafran Indonesia )

Abstract

Rata-rata produktivitas jagung Indonesia yang terserang hama tanaman (OPT) mencapai 54,98 ku/ha. Satu Salah satu serangan OPT yang dialami adalah serangan virus penyakit daun pada tanaman jagung. Penyakit daun pada tanaman jagung dapat mempengaruhi kualitas tanaman jagung. Penyakit daun pada tanaman jagung antara lain hawar daun, bintik abu-abu, dan karat daun. Penulis menggunakan arsitektur MobileNetV2 pada model CNN, bertujuan untuk mendapatkan akurasi tinggi dan efisiensi ukuran model untuk deteksi penyakit daun pada tanaman jagung. Jadi bisa diterapkan ke perangkat seluler karena ukuran model yang kecil dan latensi yang rendah. Hasil modelnya pelatihan dan uji validasi prediksi penyakit daun tanaman jagung rata-rata akurasi pelatihan 99% dan akurasi uji validasi 98%. Hasil skenario finetuning terbaik adalah dataset skenario 80:20, ukuran batch 64, laju pembelajaran 0,001, dan penghentian awal 5. Hasil ini menunjukkan nilai akurasi validasi sebesar 99,3% dan nilai validasi loss sebesar 0,0255. Pengujian model menggunakan data pengujian yang berasal dari tempat penelitian. Pengujian datatest menggunakan matriks kebingungan dengan akurasi, presesi, recall, dan perhitungan F1-Score. Hasil skenario finetuning terbaik diperoleh sebuah akurasi 81% dalam mendeteksi 100 citra penyakit daun jagung di lokasi penelitian