Pengembangan Residual Network dengan Adaptive Multi-Scale Meta-Representation pada Meta-Learning untuk Klasifikasi Penyakit Keriting Daun Cabai

Abstract

Produksi tanaman cabai di Indonesia masih menghadapi berbagai kendala, salah satunya adalah penyakit keriting daun yang disebabkan oleh infeksi virus maupun serangan hama. Kemiripan gejala visual antarpenyakit menyebabkan proses identifikasi secara manual memerlukan keahlian pakar, bersifat subjektif, serta membutuhkan waktu yang relatif lama. Berbagai penelitian telah mengembangkan metode klasifikasi citra berbasis deep learning, khususnya menggunakan arsitektur CNN yang telah memberikan akurasi tinggi dalam mendeteksi penyakit tanaman. Namun, sebagian besar pendekatan tersebut memerlukan dataset berukuran besar agar model mampu mempelajari representasi fitur secara optimal. Pada kasus penyakit keriting daun cabai, ketersediaan dataset berlabel masih terbatas sehingga meningkatkan risiko overfitting, menurunkan kemampuan generalisasi model, dan menyebabkan proses pelatihan menjadi kurang optimal. Penelitian ini bertujuan mengembangkan metode klasifikasi penyakit keriting daun cabai pada kondisi few-shot learning melalui pengembangan ResNet-50Plus sebagai domain-specific pretrained backbone, integrasi backbone berbasis Efficient Channel Attention (ECA) ke dalam framework meta-learning, serta pengembangan adaptive multi-scale meta-representation berbasis adaptive attention dan adaptive feature fusion untuk menghasilkan representasi fitur (embedding) yang lebih adaptif dan diskriminatif. Evaluasi kinerja model dilakukan menggunakan confusion matrix, precision, recall, F1-score, waktu pelatihan, serta penggunaan memori GPU. Penelitian tahap pertama difokuskan pada pengembangan ResNet-50Plus sebagai domain-specific pretrained backbone untuk meningkatkan kualitas representasi fitur pada klasifikasi penyakit keriting daun cabai. Pengembangan dilakukan dengan mengganti seluruh fungsi aktivasi ReLU pada ResNet-50 menjadi LeakyReLU, serta menambahkan lapisan dropout untuk meningkatkan kemampuan generalisasi model. Selain itu, proses pelatihan dioptimalkan menggunakan strategi MixUp augmentation, Label Smoothing, dan Warmup-Cosine learning rate scheduler. Hasil evaluasi berdasarkan rata-rata lima kali percobaan menggunakan random seed 42–46, konfigurasi lengkap ResNet-50Plus + mixup + label smoothing + warmup (Full) memperoleh akurasi rata-rata 83,08%, lebih tinggi dibandingkan ResNet-50 sebesar 79,37%. Model ini juga menunjukkan performa yang lebih stabil, dengan hasil standar deviasi akurasi 3,11 dan koefisien variasi 3,74%, lebih rendah dibanding ResNet-50. Hasil visualisasi menggunakan Grad-CAM juga menunjukkan bahwa ResNet-50Plus telah memfokuskan perhatian pada area daun yang mengalami gejala penyakit maupun serangan hama sehingga menghasilkan representasi fitur yang lebih relevan. Meskipun demikian, penelitian ini masih terbatas pada skenario supervised learning. ResNet-50Plus yang dikembangkan belum dimanfaatkan sebagai domain-specific pretrained backbone dalam framework meta-learning, sehingga kemampuan adaptasi model pada kondisi few-shot learning belum dievaluasi. Penelitian tahap selanjutnya mengintegrasikan backbone ResNet-50Plus berbasis chili-domain pretrained ke dalam framework meta-learning untuk meningkatkan kemampuan adaptasi pada skenario few-shot learning. Hasil evaluasi menunjukkan bahwa penggunaan chili-domain pretrained initialization secara konsisten menghasilkan performa yang lebih baik dibandingkan random initialization pada seluruh skenario pengujian. Selanjutnya, pengembangan backbone melalui integrasi Efficient Channel Attention (ECA) meningkatkan akurasi FOMAML pada skenario 10-shot dari 95,94% menjadi 95,97%. Meskipun peningkatan akurasi tersebut belum signifikan secara statistik, integrasi ECA memberikan efisiensi komputasi yang lebih baik melalui penurunan waktu pelatihan dan penggunaan memori GPU, serta menghasilkan representasi fitur yang lebih berkualitas. Dari ketiga framework meta-learning yang dievaluasi, FOMAML secara konsisten memberikan performa terbaik dibandingkan ProtoNet dan RelationNet. Hasil confusion matrix dan visualisasi Grad-CAM, pengembangan backbone secara bertahap menghasilkan representasi fitur yang lebih relevan terhadap karakteristik penyakit. Meskipun demikian, masih terdapat kesalahan klasifikasi pada kelas dengan karakteristik visual yang serupa, sehingga penelitian selanjutnya difokuskan pada pengembangan Adaptive Multi-Scale Efficient Channel Attention (MS-AECA) untuk memanfaatkan representasi fitur multi-skala dan menghasilkan embedding yang lebih diskriminatif. Selanjutnya pengembangan MS-AECA dengan mengintegrasikan representasi fitur multi-skala, Adaptive Efficient Channel Attention (AECA), dan adaptive feature fusion ke dalam framework FOMAML berbasis ResNet-50Plus. Berbeda dengan penelitian sebelumnya yang hanya menerapkan ECA pada representasi fitur satu skala, AECA yang diusulkan mengombinasikan mekanisme perhatian kanal lokal dari ECA dengan jalur MLP untuk memodelkan dependensi kanal global. Kontribusi jalur MLP dikendalikan menggunakan parameter skala ? sehingga perhatian kanal dapat dipelajari secara lebih adaptif sesuai karakteristik fitur. Selanjutnya, representasi fitur dari layer 3 dan layer 4 digabungkan melalui mekanisme adaptive feature fusion berbasis learnable gating sehingga kontribusi informasi lokal dan semantik dipelajari secara dinamis untuk menghasilkan embedding yang lebih diskriminatif. Hasil pengujian menunjukkan bahwa FOMAML dengan MS-AECA memperoleh performa terbaik dengan akurasi 96,77 ± 0,39% pada skenario 10-shot, meningkat 0,80% dibandingkan backbone ResNet-50Plus+ECA 95,97 ± 1,53%. Selain meningkatkan akurasi, pendekatan yang diusulkan juga mempercepat waktu pelatihan dari 88,31 menjadi 87,79 menit, dengan peningkatan penggunaan memori GPU yang relatif kecil dari 5,17 GB menjadi 5,2582 GB serta jumlah parameter dari 23,771 juta menjadi 24,610 juta. Nilai standar deviasi yang lebih rendah menunjukkan bahwa MS-AECA menghasilkan performa yang lebih stabil dan konsisten pada berbagai episode few-shot learning, sehingga dapat meningkatkan kualitas representasi fitur dibandingkan pendekatan pada penelitian sebelumnya.