OPTIMASI HYPERPARAMETER CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR MOBILENET PADA KLASIFIKASI PENYAKIT DAUN JAGUNG

Jagung merupakan salah satu komoditas pangan utama di Indonesia yang kaya akan karbohidrat dan Indonesia merupakan eksportir jagung terbesar di ASEAN. Produksi jagung bergantung pada kesehatan tanaman jagung. Tanaman yang terinfeksi akan menurunkan hasil produksi. Maka dari itu, penyakit pada tumbuhan menjadi tantangan besar bagi sektor pertanian, terkhususnya bagi petani jagung. Mengenali jenis penyakit pada daun jagung adalah sebuah langkah awal dalam pemberantasan dan pengobatan penyakit pada jagung sehingga dapat mengurangi kemungkinan gagal panen. Biasanya, petani jagung menggunakan cara konvensional untuk mengenali penyakit pada tanaman jagung. Namun, metode ini tidak efektif dan efisien karena memerlukan waktu yang lama dan banyak tenaga manusia. Penelitian ini akan membuat sebuah model deep learning untuk klasifikasi penyakit daun jagung secara otomatis dengan menggunakan salah satu arsitektur Convolutional Neural Network yakni MobileNet. Dataset yang digunakan pada penelitian ini bernama Corn Leaf Disease yang terdiri dari 4 kelas penyakit daun jagung yakni Bercak Daun, Hawar Daun, Karat Daun, dan Daun Sehat. Model dengan hasil terbaik menggunakan kombinasi hyperparameter batch size 32 dan learning rate 0,001. Performansi model yakni 97,83% pada training, 92,25% pada validation, dan 90,75% pada testing