Sistem Deteksi Penyakit Tanaman Padi Dan Rekomendasi Pupuk Menggunakan Metode Transfer Learning Dengan Model VGG19

Abstract

Penyakit tanaman padi adalah salah satu masalah terbesar dalam produktivitas pertanian global, terutama di negara-negara agraris seperti Indonesia. Untuk mengatasi masalah ini, penelitian ini menggunakan metode transfer learning dengan model VGG-19, salah satu arsitektur Convolutional Neural Network (CNN) yang paling diandalkan untuk klasifikasi gambar. Dengan menggunakan.  Metode transfer learning digunakan untuk melatih dataset gambar daun padi yang digunakan. Ini meningkatkan akurasi dan efektivitas proses pelatihan.  Metode ini mempercepat dan meningkatkan kinerja model dengan memanfaatkan bobot pra-latih dari dataset besar seperti ImageNet. Hasil penelitian menunjukkan bahwa sistem dengan model VGG-19 memiliki akurasi akhir sebesar 93% dan akurasi validasi sebesar 92%. Metode black-box juga digunakan untuk menguji sistem dari sudut pandang pengguna akhir dan melibatkan petani. Melalui deteksi cepat dan rekomendasi pengelolaan yang akurat. Penelitian ini tidak hanya membantu dalam penerapan kecerdasan buatan dalam pertanian, tetapi juga menawarkan solusi praktis untuk mengelola penyakit tanaman padi dengan lebih baik..