Analisis Penyakit pada Daun Padi Menggunakan VGG-16 Transfer Learning dan Teknik Segmentasi K-Mean

Abstract

Diagnosis dini penyakit daun sangat penting untuk meningkatkan hasil panen karena penyakit pada tanaman padi dapat secara signifikan mempengaruhi produksi pertanian. Dengan menggunakan teknik Transfer Learning pada model VGG-16 yang telah disempurnakan bersama dengan segmentasi berbasis K-Means, penelitian ini menyarankan pendekatan berbasis pembelajaran mendalam untuk diagnosis penyakit daun padi. Karena kemampuannya yang luar biasa dalam mengekstrak fitur dari foto digital, VGG-16 dipilih untuk menangkap informasi penting tentang permukaan daun yang mungkin mengindikasikan adanya penyakit. Untuk memisahkan daerah yang terkontaminasi dari latar belakang dan memungkinkan identifikasi yang lebih tepat dan efektif, segmentasi K-Means digunakan sebagai langkah prapemrosesan. Kumpulan data yang digunakan dalam percobaan ini berisi berbagai macam foto dari berbagai kategori penyakit pada tanaman padi. Menurut data percobaan, pendekatan ini dapat mengidentifikasi jenis penyakit pada daun dengan sangat akurat-akurasi dapat melampaui 90%. Dengan berkonsentrasi pada daerah-daerah kunci pada gambar, K-Means meningkatkan kinerja deteksi. Jika dibandingkan dengan metode konvensional, hasil ini menunjukkan bagaimana strategi kombinasi ini dapat meningkatkan akurasi diagnosis penyakit daun padi. Penggunaan sistem ini diharapkan dapat membantu para ahli agronomi dan petani untuk memantau kesehatan tanaman secara efisien, sehingga dapat meningkatkan hasil pertanian