DEEP PRE-TRAINED MODEL MENGGUNAKAN ARSITEKTUR DENSENET UNTUK IDENTIFIKASI PENYAKIT DAUN PADI
Abstract
Salah satu penyebab menurunnya produksi padi ialah serangan hama. hama padi meliputi hama busuk daun, hawar daun, dan hawar batang. Jenis penyakit yang berbeda memerlukan perlakuan yang berbeda, akan tetapi tidak semua petani paham akan sifat hama yang dapat menyebabkan kesalahan penanganan.Untuk mempermudah menyelesaikan masalah yang ada pada identifikasi hama penyakit daun padi perlu adanya inovasi sistem klasifikasi hama daun padi. Sistem ini didasarkan pada metode Convolutional Neural Network (CNN), metode atau model deep learning yang dikembangkan untuk meng-cover kelemahan metode machine learning. Namun, deep learning juga memiliki kelemahan yaitu waktu komputasi pada proses training yang sangat lama dan ukuran data besar. Oleh sebab itu model pra-pelatihan dibutuhkan untuk memperbaiki tingkat akurasi dan performance deep-learning serta mempermudah dalam pengembangan struktur model tanpa membangunnya dari awal. Dan pada ini sudah diimplementasikan model yang digunakan menghasilkan tingkat akurasi terbaik 98% dan validasi 93% serta error yang dihasilkan training dan validasi yaitu 0.07 dan 0.25 sedangkan waktu komputasi yang dibutuhkan untuk training dan validasi adalah 31 detik.