KLASIFIKASI PENYAKIT DAUN JAGUNG PADA CITRA DAUN JAGUNG MENGGUNAKAN TRANSFER LEARNING ARSITEKTUR RESNET-50 V2

Jagung merupakan salah satu tanaman pangan terbesar kedua setelah padi. Tanaman ini memiliki daya hasil yang tinggi dan kegunaan yang luas. Tumbuhan jagung dapat bertumbuh dengan baik bahkan pada cuaca panas dan dingin dengan didukung irigasi yang baik. Semasa siklus hidup jagung dari benih ke benih, setiap bagian pada tumbuhan jagung memiliki kepekaan terhadap sejumlah penyakit terutama pada area daun, yang menyebabkan jagung mengalami penurunan kuantitas dan kualitas hasil. Penelitian ini dilakukan untuk merancang sistem klasifikasi citra yang dapat mendeteksi penyakit pada daun jagung. Data yang digunakan adalah data yang diambil secara langsung di ladang jagung dengan jumlah 4000 data gambar daun jagung. Metode klasifikasi yang diterapkan menggunakan teknik Deep Learning yang berbasis Residual Network yaitu model ResNet-50 V2. Berdasarkan hasil uji coba, didapatkan model dengan akurasi terbaik yaitu sebesar 97,25% dengan menggunakan hyperparameter learning rate sebesar 10-5 dan jumlah epoch sebanyak 15. Penggunaan learning rate yang kecil dapat membantu model mencapai konvergensi yang lebih baik, sementara jumlah epoch yang lebih besar memberikan lebih banyak iterasi pelatihan, yang dapat meningkatkan kemampuan model untuk memahami pola-pola dalam data.