Identifikasi Dan Klasifikasi Citra Penyakit Daun Tomat Menggunakan Arsitektur Inception V4

Abstrak

Tomat merupakan salah satu sayuran yang umum dikonsumsi di dunia. Tanaman tomat (Lycopersicum esculentum Mill.) termasuk famili Solanaceae merupakan salah satu komoditas sayuran yang sangat potensial untuk dikembangkan. Indonesia merupakan salah satu negara yang memproduksi tomat. Produksi tomat di Indonesia sendiri sangat luar biasa, pada tahun 2019 produksi tomat mencapai 1.020.333 (ton). Artinya tomat menjadi salah satu buah yang sangat dibutuhkan di Indonesia. Namun kualitas dan kuantitas tanaman tomat di Indonesia dalam kurung waktu 5 tahun terakhir mengalami penurunan karena berbagai jenis penyakit. Oleh karena itu dibutuhkan sebuah metode yang dapat mengidentifikasi penyakit tanaman tomat dengan hasil yang optimal. Metode yang digunakan adalah Deep Learning dengan menggunakan algoritma Convolutional Neural Network (CNN) beserta arsitektur InceptionV4. Deep Learning adalah sebuah metode machine learning yang bekerja dengan cara meniru system kerja otak manusia, system ini disebut Neural Network. CNN merupakan salah satu jenis dari neural network, yang fungsi utamanya digunakan untuk data citra. Arsitektur InceptionV4 merupakan pengembangan dari generasi sebelumnya yaitu InceptionV3 yang mampu menghasilkan performa sangat baik dengan komputasi yang relatif rendah. Penelitian dilakukan dengan 2000 data citra penyakit daun tomat yang terbagi menjadi 10 kelas dengan masing-masing kelas memiliki 200 data citra. Dalam penelitian ini dilakukan pembagian data dengan rasio 7:3, data training sebanyak 70% dan data testing sebanyak 30%. Dari hasil penelitian ini didapatkan akurasi sebesar 90.00% untuk mengidentifikasi jenis penyakit tanaman tomat.