Deteksi Penyakit Tanaman Cabai Menggunakan Metode Convolutional Neural Network

Abstract

Abstrak Penyakit dari suatu tanaman akan sangat mempengaruhi hasil panen dari tanaman tersebut. Jika penyakitnya tidak segera ditangani maka penyakit tersebut dapat merusak tanaman dan mengakibatkan gagal panen yang akan berpengaruh ekonomi. Maka dari itu deteksi penyakit tanaman menjadi hal yang sangat penting dalam proses perawatan tanaman. Tanaman cabai merupakan salah satu bahan makanan yang paling sering digunakan dalam berbagai masakan di Indonesia. Banyaknya permintaan maka akan diperlukan adanya penambahan lahan cabai. Semakin luas lahannya maka akan semakin besar usaha yang diperlukan untuk merawat dan mengawasi tanaman. Dengan perkembangan teknologi saat ini, memungkinkan dilakukannya pengawasan terhadap tanaman secara otomatis menggunakan sistem komputer. Dengan menggunakan image processing penyakit yang dapat dilihat dan direkam oleh kamera akan dapat dianalisis dan diidentifikasikan oleh komputer. Dengan begitu pengawasan tanaman akan menjadi lebih mudah dan efisien. Beberapa penyakit tanaman cabai yang terlihat dan cukup sering ditemui adalah virus kuning, keriting mosaik, dan layu. Ciri penyakit tersebut bisa dilihat dari bentuk dan warna daun. Pada penelitian ini dilakukan pengenalan penyakit dengan menggunakan algoritma CNN. CNN digunakan agar model dapat mengekstrak fitur dan melakukan klasifikasi citra secara otomatis. Data citra yang digunakan diambil langsung dari perkebunan cabai di Jawa Tengah. Data diambilsekitar pukul 10.00 – 12.00 siang, sehingga citra memiliki warna yang jelas. Model ini akan bisa mengklasifikasikan 4 jenis kondisi daun dengan 3 penyakit dan 1 kondisi normal. Model CNN ini bisa menghasilkan akurasi diatas 90% menggunakan arsitektur AlexNet. Kata kunci : Tanaman Cabai, Penyakit Tanaman, CNN, Neural Network, AlexNet. Abstract Disease from a plant will greatly affect the harvest of that plant. If the disease is not treated immediately, it can damage the crops and resulting in crop failure which will affect the economy. Therefore detection of plant diseases is very important. Chili plants are one of the most commonly used food ingredients in various dishes in Indonesia. With a large number of requests, it will require additional chili fields. The more extensive the land, the greater the effort required to care for and maintain the plants. With current technological developments, it is possible to observe plants disease automatically using a computer system. By using image processing, disease that can be seen and recorded by the camera can be analyzed and identified by a computer. That way, crop disease identification will become easier and more efficient. Some of the diseases that are seen and often encountered are yellow virus, curl mosaic, and wilting. The characteristics of the disease can be seen from the shape and color of the leaves. In this study, disease recognition was carried out using the CNN algorithm. CNN is used so that the model can extract features and perform image classification automatically. The image data used were taken directly from chili plantations in Central Java. Data is taken around 10:00 - 12:00 AM, so the image has a clear color. This model will be able to classify 4 types of leaf conditions with 3 diseases and 1 normal condition. This CNN model can produce an accuracy over 90% using AlexNet architecture. Keyword : Chili Plant, Plant Disease, CNN, Neural Network, AlexNet