KLASIFIKASI PENYAKIT DAUN PADI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR RESNET101

Organisme Pengganggu Tanaman (OPT) adalah salah satu faktor penurunan hasil kualitas atau kuantitas produksi padi. Pendeteksian terhadap gangguan tanaman perlu dilakukan sejak dini agar penanganan yang tepat bisa diberikan. Namun, tidak setiap petani mengetahui informasi mengenai jenis penyakit pada daun padi. Penelitian ini menggunakan metode Convolutional Neural Network dan arsitektur Resnet101 diusulkan untuk melakukan klasifikasi pada 3.355 citra daun padi yang terdiri dari empat kelas yaitu, BrownSpot, Healthy, Hispa, dan LeafBlast. Skenario uji coba dilakukan untuk mengetahui pengaruh nilai learning rate dan epoch terhadap akurasi yang dihasilkan ketika menggunakan nilai learning rate 0.01, 0.001, dan 0.0001 dan epoch 20, 40, 60, 80, dan 100. Dari hasil uji coba yang dilakukan dihasilkan nilai akurasi terbaik sebesar 60,27% pada model dengan nilai learning rate (LR) 0.001dan epoch ke 20. Sedangkan ketika learning rate 0.01 dan 0.0001 nilai akurasi tertinggi adalah 59,68% pada epoch 20 dan 59,68% pada epoch 40.