Analisis Residual Network (Resnet) untuk Klasifikasi Jenis Penyakit pada Tanaman Cabai Melalui Citra Daun

Abstract

Tanaman cabai sangat penting dalam budidaya pertanian di Indonesia.Cabai (Capsicum annuum L) adalah jenis sayuran yang nilai ekonominya tinggi dan sering disebut sebagai tanaman holtikultura. Tanaman cabai rentan sekali diserang oleh berbagai macam jenis penyakit yang dapat menggangu pertumbuhan dan produksi tanaman. Serangan hama dan penyakit adalah faktor dari yang lainnya yang menghambat kelancaran pada budidaya cabai. Ada beberapa jenis penyakitpada daun cabai yang biasa menjadi masalah yaitu daun kuning, bercak daun, dan keriting. Oleh karena itu, dalam penelitian ini mencoba untuk melakukan klasifikasiteknologi terkini dengan memanfaatkan metode Deep Learning dengan menggunakan arsitektur Resnet yang ada pada CNN untuk klasifikasi jenis penyakitpada daun cabai. Resnet diharapkan bisa menghasilkan akurasi yang baik dan memberikan keunggulan yang ada pada Resnet. Dalam penerapan metode CNN dengan arsitektur ResNet menghasilkan performa yang cukup baik terhadap dataset dan menghasilkan tingkat akurasi yang cukup akurat dengan pencarian hyperparameter terbaik menggunakan grid search dan random search maka dapat hasil terbaik parameter epoch 50, batch size 100, optimizer RMSprop , learning rate 0.001, momentum 0.0 dan fungsi aktivasi softmax maka mendapatkan nilai akurasi 94% presisi nya 93% recall 67% dan F1-score 77% dan F2-score 77%. Chili plants are very important in agricultural cultivation in Indonesia. Chili(Capsicum annuum L) is a type of vegetable that has high economic value and isoften referred to as a horticultural plant. Chili plants are very susceptible to attackby various types of diseases that can interfere with plant growth and production. Pest and disease attacks are other factors that hinder the smooth running of chili cultivation. There are several types of diseases on chili leaves that are usually a problem, namely yellow leaves, leaf spots, and curling. . Therefore, this study tries to classify the latest technology by utilizing the Deep Learning method using the Resnet architecture on CNN to classify the types of diseases on chili leaves. Resnet is expected to produce good accuracy and provide the advantages that exist in Resnet. in applying the CNN method with the ResNet architecture it produces quite good performance on the dataset and produces a fairly accurate level of accuracy with the best hyperparameter search using grid search and random search so that it can produce the best parameter Epoch 50, batch size 100, RMSprop optimizer, learning rate 0.001, momentum 0.0 and the softmax activation function, an accuracy value of 62% is obtained, the precision is 37%, recall is 38% and F1- score is 37% and F2-score is 36%.