OPTIMASI HYPERPARAMETER CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI PENYAKIT TANAMAN PADI

Penyakit tanaman merupakan sebuah tantangan pada sektor pertanian terutama bagi petani padi. Mengidentifikasi penyakit pada daun padi merupakan langkah awal untuk memberantas dan mengobati penyakit, sehingga dapat meminimalisir terjadinya gagal panen. Dengan perkembangan cepat dari convolutional neural network (CNN), penyakit daun padi dapat dikenali dengan baik tanpa bantuan seorang ahli. Arsitektur MobileNet-V2 digunakan untuk mengklasifikasi penyakit daun padi karena yang memiliki ukuran yang kecil namun dengan peforma yang baik. Untuk meningkatkan peforma dari model CNN, akan dilakukan optimasi hyperparameter yang terdiri epoch, batch size, learning rate dan optimizer. Penelitian ini bertujuan untuk untuk mendapatkan hyperparameter yang optimal sehingga memberikan peforma yang baik pada model CNN. Dataset yang digunakan terdiri dari 3 kelas penyakit yang menyerang daun tanaman padi antara lain blast, blight dan tungro. Berdasarkan percobaan yang sudah dilakukan, penentuan hyperparameter sangat berpengaruh terhadap peforma model. Hyperparameter dengan jumlah epoch 100, batch size 32, learning rate 0,001 dan optimizer RMSProp memberikan hasil yang paling optimal dengan nilai accuracy 97,56%, precission 97,64%, recall 97,57% dan f1-score 97,57%.