KLASIFIKASI CITRA PENYAKIT DAUN JAGUNG MENGGUNAKAN MODIFIED VGG19

Penyakit tanaman memiliki dampak buruk pada keamanan produksi pangan, dan dapat menyebabkan penurunan kualitas dan kuantitas produk pertanian. Mengidentifikasi bentuk dan warna bercak pada tanaman jagung adalah salah satu cara dapat dilakukan. Oleh karena itu harus diteliti lebih lanjut agar tidak melakukan kesalahan dalam penanganan. Dalam penelitian ini, menggunakan arsitektur original VGG19 dan modified VGG19 untuk mengklasifikasikan citra daun jagung berdasarkan jenis penyakit. Dataset yang digunakan terdiri dari citra daun jagung yang terdiri dari 3 kelas yaitu, daun sehat (healthy), bercak daun (leaf blight) dan karat daun (common rust). Dataset tersebut merupakan data primer yang diambil secara langsung di daerah persawahan Desa Socah dan Desa Benangkah. Tahap preprocessing melalui proses resize, segmentasi, augmentasi data untuk meningkatkan jumlah citra dalam dataset dan k-fold cross validation. Selanjutnya, original VGG19 dan modified VGG19 dibangun dan dilatih dengan menggunakan data training dan data testing. Proses training model dilakukan dengan menggunakan nilai epoch sebanyak 50 dengan batch size sebesar 32. Pengoptimalan model menggunakan optimizer Adam dan learning rate 0.0001. Model terbaik yang didapatkan skenario ke 3 menggunakan arsitektur VGG19 yang sudah dimodifikasi dengan optimizer Adam. Best model kfold diperoleh fold ke 5 dengan training akurasi mendapatkan nilai sebesar 95.89% dan validasi akurasi dengan nilai 90.10%. Pada evaluasi data testing model terbaik didapatkan skenario ke 3, tingkat accuracy mencapai sebesar 85.96% dari keseluruhan data testing berhasil diklasifikasikan dengan benar oleh model. Pada kelas leaf blight dan common rust nilai specificity dan nilai sensitivity mencapai 78.94%. Model memiliki kinerja yang baik dalam mengklasifikasikan kelas healthy dengan mencapai 100%. Menunjukkan bahwa model memiliki pemahaman yang mendalam dan mampu mengklasifikasikan semua sampel dengan benar.