(0721) 8030188    [email protected]   

IDENTIFIKASI PENYAKIT PADA DAUN BIBIT KELAPA SAWIT DENGAN METODE DEEP LEARNING MENGGUNAKAN ARSITEKTUR ALEXNET


Kelapa sawit merupakan salah satu komoditas penting di Indonesia, namun budidayanya seringkali mengalami kendala akibat serangan penyakit pada daun sejak umur muda. Penyakit seperti bercak, menguning, menggulung, berkerut, dan berputar berpotensi menyebar sehingga dapat menghambat pertumbuhan. Proses identifikasi secara manual dapat memakan tenaga lebih dan waktu yang lama, sehingga dibutuhkan solusi berbasis teknologi. Model yang dikembangkan dalam penelitian ini bertujuan untuk dapat melakukan identifikasi terhadap penyakit pada daun bibit kelapa sawit. Pengembangan model dilakukan dengan metode Convolutional Neural Network (CNN) dengan arsitektur AlexNet melalui 2 tahap utama, yakni modifikasi lapisan konvolusi dan hyperparameter tuning. Proses pengembangan dilakukan menggunakan 612 dataset citra yang dilatih menggunakan 3 model dengan lapisan yang berbeda, dengan model pertama menggunakan lapisan original tanpa perubahan, model kedua dengan penambahan lapisan dropout dan penyesuaian lapisan output, dan model ketiga dengan penambahan lapisan batch normalization. Proses tersebut menghasilkan model dengan akurasi pelatihan dan akurasi pengujian tertinggi pada angka 88.24%. Model tersebut kemudian digunakan kembali untuk ditingkatkan melalui proses hyperparameter tuning dengan total kombinasi parameter sebanyak 24, menghasilkan model dengan akurasi pelatihan sebesar 85.29%. Pengujian model dilakukan menggunakan confusion matrix dan evaluation matrix, membuktikan bahwa model dapat bekerja dengan baik dengan nilai akurasi pengujian mencapai angka 98.69%.

URI
https://repo.itera.ac.id/depan/submission/SB2505270084

Keyword
Identifikasi Penyakit CNN AlexNet Modifikasi Lapisan Hyperparameter Tuning