Klasifikasi Penyakit Pada Tanaman Singkong Menggunakan Arsitektur VGGNET Berbasis Deep Learning

Abstract

Abstrak—Singkong adalah salah satu jenis tanaman ubi kayu yang mudah ditemui di Indonesia dan menjadi salah satu makanan pokok masyarakat Indonesia. Namun produksi singkong terhitung menurun dari tahun 2014 – 2018. Penurunan ini dapat disebabkan oleh berbagai hal, salah satunya penyakit singkong. Gejala penyakit singkong dapat diperiksa melalui kondisi daun tanaman singkong. Meskipun begitu, diperlukan pengetahuan lebih untuk dapat membedakan gejala satu penyakit dengan yang lainnya. Salah satu solusi yang dapat digunakan adalah metode deep learning yaitu convolutional neural network (CNN) untuk mengklasifikasikan penyakit singkong. Penulis menggunakan salah satu model CNN dari arsitektur VGGNet yaitu VGG16. Parameter uji untuk performa model CNN adalah akurasi, presisi, recall, dan F1-score. Model dilatih dengan dataset berupa citra RGB dengan ukuran 224×224 pixel yang dibagi menjadi 5 kelas (CMD, CGM, CBB, CBSD, dan daun sehat) dengan jumlah sebanyak 9430 citra. Proses pelatihan melibatkan hyperparameter batch size, optimizer, dan learning rate yang divariasikan. Hasil pengujian terbaik adalah model dengan batch size 32, optimizer SGD, dan learning rate 0,001 dengan akurasi training sebesar 82,53% dan akurasi validation sebesar 75%.
Kata kunci — penyakit singkong, convolutional neural network, VGGNet, image classification