KLASIFIKASI PENYAKIT TANAMAN PADI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) DAN RANDOM FOREST
Abstract
Penelitian ini bertujuan mengembangkan metode klasifikasi yang efektif untuk mengidentifikasi penyakit pada tanaman padi, dengan memanfaatkan teknologi Convolutional Neural Network (CNN) dan Random Forest. Model yang dihasilkan diharapkan mampu mengenali dan mengklasifikasikan berbagai penyakit padi dengan tingkat akurasi tertinggi. Convolutional Neural Network (CNN) merupakan salah satu jenis algoritma terawasi yang cara kerjanya adalah menerima masukan berupa gambar. CNN bisa sangat cocok untuk memproses input berupa gambar. CNN merupakan metode pembelajaran mesin yang dikembangkan dari Multi Layer Perceptron (MLP) yang dirancang untuk memproses data 2D. Random Forest adalah metode klasifikasi yang terdiri dari kumpulan pohon keputusan terstruktur dimana vektor acak independen didistribusikan secara identik dan setiap pohon keputusan memberikan unit suara untuk kelas tertinggi. Populer, Hasil pelatihan menunjukkan performa yang menjanjikan. Dengan 15 epoch, akurasi pelatihan dan validasi menunjukkan tren peningkatan yang konsisten, mendekati nilai 1.0. Pada epoch ke-15, akurasi pelatihan mencapai 1.0, sedangkan akurasi validasi mencapai 0.9473. Namun, nilai error validasi (1.0000) lebih tinggi dibandingkan error pelatihan (0.0010), yang mengindikasikan potensi overfitting.
Downloads
Copyright (c) 2024 Jurnal Mnemonic
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.