Deteksi Penyakit Tomat melalui Citra Daun menggunakan Metode Convolutional Neural Network
Rito Cipta Sigitta, Roni Halim Saputra, Fathulloh Fathulloh
Abstract
Tomat merupakan tanaman hortikultura yang memiliki nilai ekonomi tinggi dan banyak ditanam oleh masyarakat Indonesia sebagai negara agraris. Menurut data BPS tahun 2019, produktivitas tomat mengalami peningkatan dalam empat tahun terakhir, namun dalam proses perawatan tanaman sering terjadi kendala dalam mengidentifikasi jenis penyakit yang terdapat pada daun tanaman tomat karena memiliki gejala yang hampir mirip dan sulit dibedakan. Penelitian ini mencoba mengidentifikasi penyakit pada tanaman tomat melalui citra daun menggunakan Deep learning dengan metode Convolutional neural network. Penerapan model deteksi menggunakan dua jenis arsitektur Convolutional neural network yaitu standar LeNet-5 dan LeNet-5 (Custom) yang telah dimodifikasi. LeNet-5 standar berhasil mendeteksi penyakit pada daun tomat dengan akurasi 90%, sedangkan pada arsitektur LeNet-5 yang telah dimodifikasi pada network layerdan parameteryang digunakan, menghasilkan akurasi yang lebih optimal dengan akurasi sebesar 95%.