Sistem Klasifikasi Akurat Penyakit Daun Padi Menggunakan Convolutional Neural Network (CNN) Model Xception

Abstract

Penelitian ini mengatasi tantangan dalam mengidentifikasi penyakit tanaman daun padi secara akurat dalam pengolahan tanaman agar berjalan secara efektif dan mengurangi kerugian ekonomi yang disebabkan oleh penrunan produktivitas hasil panen. Padi merupakan komoditas utama dalam sektor pertanian, sehingga aya identifkasi dini terhadap penyakit tanaman daun padi dapat memberikan dampak signifikan terhadap stabilitas pangan. Dengan memanfaat metode Convolution Neural Network (CNN) untuk menganalisis gambar daun yang terinfeksi, penelitian ini juga bertujuan untuk meningkatkan akurasi klasifikasi penyakit, sehingga dapat mendukung interferensi yang cepat dan tanggap dalam pengoahan padi yang lebih tepat. Metode yang digunakan dalam penelitian ini menggunakan CNN dengan fokus pada analisis tekstur citra daun padi yang diambil menggunakan kamera Vivo Y17. Data set yang digunakan mencakup berbagai jenis penyakit yang telah diberi label dengan kategori penyakit, meliputi bacterial blight, blast, brown spot, sehat dan tungro. Data set ini diperoleh dari berbagai kondisi pencahayaan dan variasi daun yang terinfeksi kemudian digunakan untuk memastikan kekayaan data yang dapat meningkatkan akurasi model. Hasil penelitian menunjukkan bahwa model CNN dengan arsitektur Xception yang dibangun memiliki kinerja yang sangat baik dengan akurasi sebesar 98,99%, nilai presisi sebesar 94%, nilai recall 96%, dan F1-Score 96% yang mengindikasikan bahwa model ini dapat membedakan berbagai kategori penyakit dengan akurasi yang tinggi berperan besar dalam membantu diagnosis otomatis penyakit daun padi dengan menganalisis gambar daun secara cepat dan akurat.