METODE KLASIFIKASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) PADA PENYAKIT DAUN TEH

Abstrak

Teh adalah salah satu komoditas perkebunan yang memainkan peran penting dalam perekonomian Indonesia. Industri teh menghasilkan pendapatan, menyediakan lapangan kerja, dan mendorong pertumbuhan lokal. Penyakit pada daun teh adalah salah satu faktor yang menyebabkan produksi teh di Indonesia menurun. Penyakit Alga Leaf adalah penyakit yang sering terjadi pada daun teh selain itu ada juga Antracnose dan Bird Eye.  Paparan patogen pada daun teh dapat menyebabkan penurunan hasil panen yang signifikan secara global. Mendeteksi penyakit pada daun teh pada tahap dini sangat penting untuk mengurangi kerugian hasil produksi. Metode deteksi menggunakan pengamatan visual mungkin kurang efektif dan tidak membantu dalam pengendalian penyakit dengan baik. Deep learning telah berhasil mengumpulkan dan menganalisis data dalam jumlah besar, memungkinkan diagnosis penyakit tanaman teh secara cepat dan tepat. Penelitian ini bertujuan untuk meningkatkan akurasi klasifikasi penyakit daun teh dengan mengoptimalkan algoritma Convolutional Neural Network (CNN) yang digunakan serta memperbaiki pengelolaan fitur. Metode penelitian yang dilakukan meliputi pengumpulan data, pre-processing data image, perancangan model CNN, akurasi klasifikasi, pengujian dan hasil. Hasil penelitian menunjukkan bahwa model CNN berhasil mengklasifikasikan penyakit daun teh dengan tingkat akurasi, presisi, dan recall yang memuaskan. Penelitian ini berhasil mengindikasikan bahwa penggunaan algoritma CNN dalam klasifikasi penyakit daun teh, yaitu Algal Leaf, Antracnose, dan Bird Eye Spot, memiliki akurasi yang signifikan dengan pencapaian 79.36%.