Implementasi Deteksi Objek Penyakit Daun Kentang dengan Metode Convolutional Neutral Network

Abstract

Kentang ialah salah satu tanaman yang potensial untuk dikembangkan. Produksi dan produktivitas kentang di Indonesia semakin menurun setiap tahunnya. Badan Pusat Statistik (BPS) mencatat produksi kentang di Indonesia mengalami penurunan 9,82%, dari 1.176.304 ton pada tahun 2009 menjadi 1.060.805 ton pada tahun 2010. Kendala menurunnya produktivitas kentang disebabkan oleh serangan hama dan penyakit, sehingga memerlukan suatu sistem yang dapat membantu mendiagnosis sejak dini terhadap serangan hama dan penyakit tanaman kentang. Salah satu cara untuk mendeteksi penyakit pada tanaman kentang dengan memanfaatkan perkembangan teknologi dan informasi yaitu dengan mengembangkan ilmu kecerdasan buatan (Artificial Intteligence) serta memanfaatkan teknologi pengolahan citra digital maka hal ini bisa diatasi, jadi pada penelitian ini akan mengusulkan metode yang tepat dalam mendeteksi penyakit pada daun kentang. Klasifikasi akan dilakukan dengan tiga kelas berupa daun sehat, early blight, dan late blight menggunakan metode Deep Learning mengguanakan arsitektur Convolutional Neural Network (CNN). Hasil pada peneltian ini dianggap baik karena pada epoch ke 10 dengan batch size 20 menghasilkan training akurasi 95% dan akurasi validasi 94%.

Kata Kunci : Produktivitas, Convolutional Neural Network (CNN), Akurasi validasi, Deep Learning, Artificial Intteligence , early blight, dan late blight.