ANALISIS PERBANDINGAN PERFORMA ARSITEKTUR VGG16 DAN RESNET50 DALAM KLASIFIKASI MULTI-KELAS PADA PENYAKIT TANAMAN PADI BERBASIS CONVOLUTIONAL NEURAL NETWORK (CNN)

Abstract

Penelitian ini bertujuan untuk mengidentifikasi penyakit tanaman padi menggunakan metode deep learning dengan membandingkan arsitektur VGG16 dan ResNet50. Dataset yang digunakan terdiri dari 2042 gambar citra penyakit tanaman padi dari 4 kategori yaitu Brown spot disease, Blast disease, False smut disease, Bacterial leaf blight disease, dan Healthy. Metode penelitian meliputi pengumpulan dataset, pra-pemrosesan data, pembangunan model, pelatihan, dan evaluasi. Hasil penelitian menunjukkan bahwa arsitektur ResNet50 memiliki akurasi lebih tinggi sebesar 95,7% dibandingkan VGG16 yang mencapai 93,2%. Tingkat presisi dan recall untuk ResNet50 juga lebih unggul pada semua kategori penyakit. Penelitian ini berkontribusi pada pengembangan sistem deteksi dini penyakit tanaman padi yang dapat membantu petani mengurangi kerugian hasil panen.