DETEKSI PENYAKIT TANAMAN CABAI BERDASARKAN CITRA DAUN MENGGUNAKAN ARSITEKTUR INCEPTION V4 PADA CONVOLUTIONAL NEURAL NETWORK

Tanaman cabai merupakan tanaman yang rentan terhadap penyakit. Salah satu tantangan sering kali dihadapi petani cabai adalah serangan penyakit daun yang dapat mengancam produktivitas tanaman bahkan sampai membuat mereka gagal panen. Dalam penelitian ini, penulis mengusulkan penggunaan teknik Machine Learning khususnya Convolutional Neural Networks (CNN) untuk mengklasifikasi penyakit daun pada tanaman cabai. Data daun cabai sebanyak 400 citra training dan 100 citra testing terindikasi terinfeksi penyakit diambil lalu diolah untuk melatih model CNN guna mengenali pola-pola karakteristik dari setiap jenis penyakit, memiliki 5 kelas dimana setiap kelas pelatihannya nya berjumlah 80 citra dan 20 citra perkelas untuk pengujian citra, dengan kategori daun sehat, daun keriting, daun kuning, daun bercak dan daun berkutu. Model CNN dibangun menggunakan arsitektur Inception V4 dan menghasilkan tingkat akurasi validasi sebesar 87% pada citra yang belum pernah dilihat oleh model.