Klasifikasi Gejala Defisiensi Nutrisi Pada Tanaman Padi Menggunakan CNN Dengan Arsitektur Resnet-50

Abstract

Abstrak Tanaman padi merupakan komoditas tanaman Abstract Rice plant is the main food crop commodity in pangan utama di Indonesia, karena padi menghasilkan beras yang merupakan makanan pokok bagi sebagian besar masyarakat Indonesia. Produksi padi di Indonesia sendiri pada tahun 2022 mengalami penurunan dari tahun sebelumnya. Defisiensi nutrisi dapat menjadi salah satu penyebab petani mengalami gagal panen. Untuk menghindari terjadinya defisiensi nutrisi pada tanaman padi, petani disarankan untuk melakukan deteksi dini untuk menghindari terjadinya defisiensi nutrisi pada tanaman padi. Berdasarkan hal tersebut maka pada penelitian ini akan dilakukan pengklasifikasian defisiensi nutrisi yang terbagi menjadi 3 kelas makro nutrisi yaitu, Nitrogen (N), Fosfor (P), dan Kalium (K) menggunakan Convolutional Neural Network (CNN) dengan arsitektur ResNet-50 dan ResNet-152. Dataset yang digunakan bersumber dari Kaggle yang berisi 1156 citra tanaman padi yang mengalami defisieni nutrisi. Parameter performansiyang akan dianalasis pada penelitian ini adalah Confusion Matrix, akurasi, presisi, recall dan F1- Score untuk mengukur kinerja sistem yang telah dirancang. Terdapat empat skenario pengujian terhadap hyperparameter berupa optimizer, learning rate, batch size dan input size yang dilakukan pada citra asli dan citra hasil CLAHE. Hasil terbaik dari penelitian ini didapatkan dari kombinasi hyperparameter berupa optimizer Adam, learning rate 0.001, batch size 64 dan input size 512×512 piksel dengan citra CLAHE. Dari kombinasi hyperparameter tersebut dihasilkan akurasi sebesar 97,73%.
Kata Kunci: Defisiensi Nutrisi, Tanaman Padi, CNN, ResNet, Klasifikasi.