SISTEM DETEKSI DAN KLASIFIKASI PENYAKIT TANAMAN PADI BERDASARKAN DAUN MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR ResNet-50

Abstract

Diagnosa penyakit padi secara konvensional dinilai bergantung pada pengamatan manual yang lambat dan kurang akurat maka diperlukan solusi yang lebih efisien dan objektif dengan pemanfaatan kecerdasan buatan. Penelitian ini bertujuan untuk mengembangkan sistem deteksi penyakit tanaman padi menggunakan bagian dari kecerdasan buatan yaitu metode Convolutional Neural Network (CNN) dengan arsitektur ResNet-50. Sistem dirancang untuk mendeteksi enam penyakit padi berdasarkan citra daun yaitu Blast, Bacterial Blight, Brown Spot, Tungro, False Smut dan Cercospora. Dataset  berasal dari kombinasi data publik (kaggle.com) dan citra lapangan yang diambil langsung di daerah Kabupaten Wonosobo. Model dikembangkan dan di modifikasi dengan penambahan GlobalAveragePooling, Dense layer dengan aktivasi ReLU dan regularisasi L2, serta Dropout untuk mengurangi overfitting. Lapisan output menggunakan softmax untuk klasifikasi multi kelas. Evaluasi model menggunakan metrik akurasi, presisi, recall, dan F1-score. Model dapat  menunjukkan akurasi pengujian yang tinggi sebesar 79.52% dan performa efektif dengan akurasi 92% pada Classification Report. Hasil deteksi langsung ditampilkan pada sistem berbasis web berupa skala probabilitas penyakit yang terdeteksi.