Implementasi VGG-16 Convolutional Neural Network pada Citra Penyakit Tanaman Kedelai

Implementasi Convolutional Neural Network dengan model arsitektur VGG-16 untuk mengklasifikasikan penyakit dan hama pada tanaman kedelai menjadi tiga jenis kelas, yaitu kelas "Caterpillar", kelas “Leaf Spot” dan kelas “Yellow Mosaic”. Dataset berisi total 450 citra yang terdiri dari gambar penyakit tanaman kedelai yang diambil dari dataset publik dan hasil observasi lapangan. Proses pengumpulan dan preprocessing data dilakukan, lalu dataset dibagi menggunakan pengujian split ratio sebesar 80% untuk data latih dan 20% untuk data uji. Setelah itu, dilakukan proses pelatihan dan evaluasi model menggunakan metrik akurasi. Dari penerapan cnn pada tanaman kedelai menggunakan arsitektur vgg-16 ini diperoleh hasil akurasi sebesar 99.78%. Hasil evaluasi diharapkan dapat membantu dalam penanganan penyakit tanaman kedelai secara lebih efisien dan memberikan wawasan untuk implementasi sistem otomatisasi identifikasi penyakit tanaman kedelai di lapangan.