Implementasi Deep Learning pada Sistem Klasifikasi Hama Tanaman Padi Menggunakan Metode Convolutional Neural Network (CNN)

Abstract

Hama menjadi serangan utama tanaman, khususnya tanaman padi. Dalam melakukan pengendalian hama, sebagian besar petani melakukan aplikasi insektisida secara tidak bijaksana sehingga mengakibatkan terbunuhnya organisme bukan sasaran. Beberapa peneliti telah mencoba mengklasifikasi kerusakan pada tanaman alih-alih mengklasifikasikan hama itu sendiri.  Oleh karena itu, dengan mengklasifikasikan jenis hama pada tanaman padi memungkinkan petani melakukan penanganan sesegera mungkin pada tanaman padi sesuai jenis hama yang menyerangnya. Metode Convolutional Neural Network (CNN) banyak digunakan dalam image processing karena tingkat akurasinya yang tinggi dan lebih baik dalam pengenalan gambar. Metode CNN pada beberapa penelitian mengalami masalah overfitting. Penelitian ini mengusulkan penerapan tiga jenis pembagian data training dan data testing juga penggunaan penggunaan beberapa parameter yang berfungsi mengurangi masalah overfitting. Berdasarkan evaluasi, pembagian data 90%:10% adalah pembagian data yang paling cocok untuk dataset dan arsitektur yang digunakan dengan akurasi training 83,02%, 78,30%, dan 81,13%. Nilai akurasi pengujian dari ketiga model tersebut yaitu 69,33%, 77,33%, dan 76%.

.