IMPLEMENTASI Artificial neural network (ann) Backpropagation UNTUK KLASIFIKASI JENIS PENYAKIT PADA DAUN TANAMAN TOMAT 

THE IMPLEMENTATION OF BACKPROPAGATION ARTIFICIAL NEURAL NETWORK (ANN) FOR TOMATO PLANT LEAF DISEASES CLASSIFICATION

Tomat merupakan tanaman holtikultura yang sangat mudah ditemukan di Indonesia. Buah tomat banyak digemari masyarakat untuk dikonsumsi karena mempunyai kandungan gizi yang baik untuk kesehatan, selain itu, tomat juga banyak di budidaya karena harga tomat yang cukup stabil. Akan tetapi, terdapat kendala dalam membudidayakan tanaman tomat bagi para petani karena tomat rentan diserang penyakit, akibatnya para petani kesulitan dalam membedakan jenis-jenis penyakit yang terlihat mirip. Oleh karena itu, penelitian ini dilakukan untuk membantu petani dalam mengidentifikasi jenis-jenis penyakit pada daun tomat. Dalam penelitian ini menggunakan metode Artificial Neural Network (ANN) dengan algoritma backpropagation untuk mengklasifikasi penyakit pada daun tomat. Data-data yang digunakan untuk pengujian adalah penyakit bacterial spot sebanyak 50 data, penyakit yellow leaf curl virus sebanyak 50 data citra dan daun sehat sebanyak 50 data citra. Hasil terbaik klasifikasi jenis penyakit pada daun tomat menggunakan backpropagation dengan Cross-validation menggunakan folds 4 menghasilkan akurasi sebesar 78% memerlukan waktu selama 319,77 detik untuk memproses data berlaku aturan-aturan batchsize sebesar 100, hiddenlayers yang didefinisikan sebagai , bobot sebesar 0,3 pada learningrate, validationThreshold sebesar 20 untuk mengakhiri validasi pengujian dan nilai epoch untuk melatih data sebesar 500. Kemudian performa hasil klasifikasi yang telah dilakukan diukur menggunakan Confusion Matrix yang menghasilkan presisi sebesar 0,78 dan memperoleh data klasifikasi yang bernilai benar (True Positive) sebanyak 117 data.

Kata kunci: Tomat, Klasifikasi citra daun, Artificial Neural Network (ANN), Backpropagation

Tomato is a horticultural plant that can be easily found in Indonesia. Tomatoes are popular for public consumption because their nutritional values have excellent content for health, besides tomatoes are widely cultivated because the price is quite stable. However, there are obstacles in tomato plants cultivation for farmers because tomatoes are vulnerability to diseases, so that farmers have difficulty distinguishing types of diseases that look similar. Therefore, this research was conducted to help farmers in identifying various diseases in tomato leaves. This research uses Artificial Neural Network (ANN) method with backpropagation algorithm to classify the types of diseases in tomato leaves. The data used for testing were 50 image data of bacterial spot disease, 50 image data of yellow leaf curl disease, and 50 image data of healthy leaves. Tomato leaves types of diseases classification with the best result that utilized backpropagation with Cross-validation 4 folds  by following the rules with batch size of 100, hidden layers defined as , the learning rate for weight updates is 0.3, with validation threshold is used to terminate validation testing is 20, and 500 as the number of epoch to train through, have been resulted in an accuracy of 78% which required time 319.77 seconds to process data. Which was then assisted by Confusion Matrix as a tool to measure the performance of the classification results that have been carried out and precision results of 0.78 so as to obtain 117 data of true positive.

Keywords: Tomato, Leaf imagery classification, Artificial Neural Network (ANN), Backpropagation