Klasifikasi Penyakit Tanaman Jagung Melalui Citra Daun dengan Teknik Ensemble Kombinasi RESNET50 dan EFFIECIENTNETB0

Abstract

Jagung adalah tanaman ketiga yang paling banyak dibudidayakan di dunia, dengan produksi tahunan sekitar 1150 juta metrik ton di lahan seluas 200 juta hektar, menyumbang hampir 40% dari produksi biji-bijian global. Jagung merupakan komponen penting dalam ketahanan pangan nasional dan memiliki dampak signifikan pada perekonomian global. Namun, penyakit pada tanaman jagung seperti gray leaf spot, common rust, blight, dapat mempengaruhi hasil dan kualitas panen serius. Deep learning merupakan bidang keiilmuan baru di bidang machine learning dan memiliki kemampuan yang sangat baik dalam visi komputer. Salah satu metode deep learning untuk mengidentifikasi penyakit daun jagung adalah convolutional neural network dengan teknik ensemble. Total data yang digunakan adalah 6000 data citra digital, masing masing kelas 1500 data dengan 3 kelas penyakit daun jagung dan 1 kelas daun jagung sehat. Hasil dari penelitian ini menunjukkan bahwa model ensemble kombinasi ResNet50 dan EfficientNetB0 dapat digunakan untuk mengidentifikasi penyakit daun jagung karena memiliki hasil akurasi yang baik. Nilai akurasi tertinggi model ensemble berdasarkan matrik evaluasi accuracy dengan nilai akurasi sebesar 98%, skema data 80:20.