Klasifikasi Citra Penyakit Daun Tanaman Padi Menggunakan CNN dengan Arsitektur VGG-19

Rahma Shinta (Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Islam Negeri Sultan Syarif Kasim Riau)
Jasril (Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Islam Negeri Sultan Syarif Kasim Riau)
Muhammad Irsyad (Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Islam Negeri Sultan Syarif Kasim Riau)
Febi Yanto (Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Islam Negeri Sultan Syarif Kasim Riau)
Suwanto Sanjaya (Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Islam Negeri Sultan Syarif Kasim Riau)

Jurnal Sains dan Informatika : Research of Science and Informatic
Vol. 9 No. 1 (2023): Jurnal Sains dan Informatika : Research of Science and Informatic

Penurunan produksi padi disebabkan oleh serangan hama dan penyakit yang biasa terdapat pada bagian daun. Penelitian terkait klasifikasi jenis penyakit daun padi telah banyak dilakukan. Penelitian ini menerapkan metode Convolutional Neural Network (CNN) dengan arsitektur VGG-19 untuk klasifikasi citra penyakit daun tanaman padi. Tujuan penelitian ini adalah untuk membandingkan hasil akurasi pengujian dari model yang menggunakan augmentasi dan tanpa augmentasi data. Data pada penelitian ini terbagi atas 4 kelas, yaitu blast, brown spot, leaf smut, dan healthy dengan jumlah data asli sebanyak 440 dan data augmentasi sebanyak 1320 citra. Hasil pengujian menunjukkan bahwa akurasi tertinggi menggunakan augmentasi data yang diperoleh sebesar 94.31%, sedangkan akurasi tertinggi tanpa augmentasi data yang diperoleh sebesar 93.18%. Hasil penelitian menunjukkan bahwa augmentasi dapat meningkatkan hasil akurasi. Penggunaan optimizer Nadam menghasilkan nilai akurasi yang lebih tinggi dibandingkan Adamax. Hyper Parameter yang digunakan juga berpengaruh terhadap hasil akurasi pengujian.