Optimasi Parameter Pada Cnn Dengan Algoritma Alex Net Untuk Klasifikasi Penyakit Tanaman Pisang

Abstract

Tanaman adalah tumbuhan yang dirawat pada suatu media untuk dipanen ketika sampai waktu tertentu. Oleh karena itu, penelitian ini bertujuan untuk mengimplementasikan metode Convolutional Neural Network (CNN) yang telah di optimasi untuk mengetahui jenis penyakit pada tanaman pisang. CNN dipilih karena kemampuannya dalam mengekstraksi fitur dari gambar secara otomatis, sehingga dapat meningkatkan akurasi klasifikasi. Penelitian ini mengevaluasi model CNN menggunakan algoritma alex net dengan berbagai pendekatan. Hasil eksperimen menunjukkan bahwa model Fine Tune kesepuluh memberikan performa terbaik dengan akurasi pelatihan 99.98%, akurasi pengujian 94.40%, menunjukkan kemampuan generalisasi yang baik dibandingkan yang lainnya. Namun, beberapa model mengalami overfitting, sehingga diperlukan optimasi lebih lanjut. Untuk meningkatkan kinerja model, disarankan penerapan teknik seperti dropout, batch normalization, augmentasi data, serta eksplorasi arsitektur CNN yang lebih kompleks seperti ResNet, VGG, atau MobileNet.