Penerapan Vision Transformer (ViT) untuk Klasifikasi Penyakit Jagung Melalui Citra Daun

Abstract

Penelitian ini bertujuan untuk menerapkan algoritma Vision Transformer (ViT) dalam mengklasifikasi penyakit pada tanaman jagung melalui citra daun. Penyakit pada tanaman jagung dapat menyebabkan kerugian yang signifikan bagi petani, sehingga diperlukan sistem yang dapat mendeteksi penyakit secara akurat. Dalam penelitian ini, dataset yang digunakan terdiri dari 3000 data citra daun jagung yang dibagi menjadi tiga kelas, yaitu daun hawar, daun karat, dan daun sehat. Pengujian model ViT dilakukan dengan menggunakan lima fungsi aktivasi yang berbeda yaitu GELU, ELU, RELU, PRELU, dan Leaky RELU. Hasil penelitian menunjukkan bahwa model ViT dengan fungsi aktivasi PRELU memperoleh akurasi tertinggi sebesar 94,33% diikuti dengan fungsi aktivasi RELU dan Leaky RELU dengan akurasi sebesar 93,67%. Dalam penelitian ini,data yang digunakan adalah gambar penyakit pada daun jagung sebanyak 3000 data,data tersebut dibagi menjadi 3 bagian yaitu data Training,data Testing dan validasi,lalu data tersebut dilakukan augmentasi seperti propping dan resize, crop sampel dilakukan agar fokus ke daun sebagai objek utama,lalu dilakukan resize supaya pada proses training tidak begitu berat atau lama,sampel penyakit pada tanaman jagung terdiri dari 80% data training dan 10% data testing dan 10% data validasi.