Penerapan Convolutional Neural Network (CNN) dalam Deteksi Penyakit pada Tanaman Terong

Abstrak

Penelitian ini mengevaluasi kinerja tiga algoritma optimasi, yaitu Adam, SGD, dan RMSProp, dalam mengklasifikasikan daun terinfeksi penyakit dan daun sehat menggunakan Convolutional Neural Networks (CNN). Studi ini menyoroti tantangan yang dihadapi petani akibat berbagai penyakit yang mempengaruhi pertumbuhan tanaman terong, yang dapat menyebabkan kegagalan panen. Dengan memanfaatkan transfer learning menggunakan arsitektur Inception-V3, penelitian ini bertujuan untuk meningkatkan identifikasi penyakit pada tanaman terong, sehingga dapat meningkatkan produksi. Hasil menunjukkan bahwa optimizer Adam memberikan akurasi dan loss terbaik, dengan akurasi pelatihan dan validasi mendekati 1 setelah 10 epoch. RMSProp juga menunjukkan kinerja yang baik dengan akurasi mendekati 0,95, sementara SGD meningkatkan akurasi lebih lambat. Penelitian ini menyimpulkan bahwa CNN efektif dalam membedakan daun sakit dan sehat, dan merekomendasikan eksplorasi lebih lanjut terhadap algoritma optimasi lainnya serta perluasan kumpulan data.