PENGEMBANGAN SISTEM IDENTIFIKASI PENYAKIT PADA TANAMAN PADI MENGGUNAKAN RESNET BERBASIS MOBILE

DEVELOPMENT OF MOBILE-BASED DISEASE IDENTIFICATION SYSTEM IN RICE PLANTS USING RESNET

    Padi adalah salah satu sumber makanan pokok bagi masyarakat Indonesia. Namun, produksi beras di Indonesia telah menurun secara signifikan. Hal ini menyebabkan lebih banyak impor beras di Indonesia, membuat Indonesia lebih bergantung pada negara lain. Faktor utama dalam kegagalan panen padi adalah penyakit. Sedangkan, ahli pertanian di Indonesia masih kurang. Hal ini membuat masalah kegagalan panen tidak kunjung selesai. Oleh karena itu, penulis mengembangkan sistem berbasis mobile untuk mengidentifikasi penyakit pada tanaman padi. Sistem ini memberikan saran perawatan untuk tanaman yang terinfeksi. Sistem ini bekerja berdasarkan salah satu metode kecerdasan buatan, yaitu convolutional neural networks. Sistem ini diprogram untuk belajar dan mengenali jaringan yang saling terhubung yang membentuk pola, sehingga dapat memahami pola serupa dalam gambar yang berbeda. Dalam penelitian ini, penulis menggunakan model ResNet-50 dengan optimisasi Adamax. Model ini mendapatkan akurasi pelatihan sebesar 99,94%. Untuk menggunakan aplikasi ini, pengguna hanya memerlukan smartphone dan tidak memerlukan akses internet. Aplikasi ini memiliki mobilitas tinggi dan akses yang mudah bagi petani selama kegiatan di lapangan. Aplikasi ini dapat menjadi solusi terhadap masalah kegagalan panen di sawah padi.

    Rice is one of the staple food sources for Indonesians. However, rice production in Indonesia has declined significantly. This has led to more rice imports in Indonesia, making Indonesia more dependent on other countries. dependent on other countries. A major factor in rice crop failure is disease. Meanwhile, agricultural experts agriculture experts in Indonesia are still lacking. This makes the problem of crop failure unresolved. Therefore, the author developed a mobile-based system to identify diseases in rice plants. This system provides treatment advice for infected plants. infected. The system works based on one of the artificial intelligence methods, namely convolutional neural networks. The system is programmed to learn and recognize interconnected networks that form patterns, so as to understand similar patterns in different images. In this study, the authors used the ResNet-50 model model with Adamax optimization. This model has a training accuracy of 99,94%. To use this application, users only need a smartphone and does not require internet access. This application has high mobility and easy access for farmers during field activities. This application can be a solution to the problem of crop failure in rice fields.