Deteksi Penyakit Bulai dan Karat Tanaman Jagung menggunakan Deep Learning Berbasis Citra Foto Telepon Seluler

Abstract

Penyakit bulai dan karat daun menjadi ancaman nyata bagi produktivitas tanaman jagung. Deteksi penyakit utama tanaman jagung tersebut umumnya masih dilakukan secara visual oleh petani dan petugas pengendali organisme pengganggu tumbuhan (POPT). Kendala keterbatasan jumlah POPT yang semakin sedikit mengakibatkan metode pengamatan OPT secara manual ini menjadi tidak efisien dan sering memberikan data serangan yang kurang akurat. Perkembangan artificial intelligence (AI) berbasis deep learning berpotensi dalam mengatasi masalah pengamatan OPT tersebut. Penelitian ini berfokus pada pembuatan model berbasis deep learning untuk mendeteksi penyakit bulai dan karat pada tanaman jagung. Penyusunan model deteksi ini dilakukan menggunakan algoritma YOLO (You Only Look Once) dengan kombinasi parameter epoch sama dengan 30, 35, dan 40, juga batch size sama dengan 8 dan 16. Model yang dihasilkan memiliki nilai mAP@50 tertinggi sebesar 87,9% dan F1-score sebesar 81% pada threshold 34,1%. Model deteksi penyakit bulai dan karat daun yang dihasilkan masih ditemukan kejadian false positive sebesar 1%-5% dan false negative sebesar 7%-16%. Secara keseluruhan, model ini mampu mendeteksi penyakit bulai dan karat dengan cukup baik, namun masih dapat ditingkatkan lagi melalui variasi data lapangan untuk memperluas kemampuan model.