Identifikasi penyakit tanaman padi melalui citra daun menggunakan DenseNet 201

Indonesia merupakan negara agraria dengan mayoritas penduduk menggunakan beras sebagai bahan makanan pokok sangat tergantung terhadap produksi beras. Berkurangnya kuantitas dan kualitas produksi beras seringkali disebabkan oleh serangan penyakit pada tanaman padi yang terlambat diketahui. Hal tersebut disebabkan karena masih kurangnya penyuluhan yang membantu para petani cara mengidentifikasi dan menangani penyakit pada tanaman padi dengan cepat dan tepat. Penelitian ini melakukan eksperimen identifikasi penyakit tanaman padi berdasarkan citra daun menggunakan dataset yang memiliki empat penggolongan kondisi daun yang terkena penyakit, yaitu healthy, brown spot, hispa dan leaf blast. Identifikasi dilakukan dengan menggunakan arsitektur Densely Connected Convolutional Networks (DenseNet)-201 dan evaluasi berdasarkan nilai accuracy, precision, recall dan F1-Score menggunakan confussion matrix. Berdasarkan hasil evaluasi, diperoleh hasil yang cukup baik, yakni nilai akurasi pada data training sebesar 88.4% dan 82.99% pada data testing. Sementara nilai precision yang diperoleh sebesar 0.85%, recall 0.83% dan f1-score sebesar 0.83%. Dari hasil penelitian disimpulkan bahwa DenseNet201 cukup baik dan layak digunakan untuk melakukan identifikasi penyakit pada tanaman padi agar jenis penyakit yang menyerang dapat segera diketahui dan penanggulangan secara dini terhadap penyakit tanaman segera dapat dilakukan. Dengan demikian, ketahanan pangan dapat tetap terjaga dan tidak menyebabkan kerugian akibat gagal panen yang merugikan para petani.