Analisis Perbandingan Performa Model Klasifikasi Kesehatan Daun Tomat menggunakan arsitektur VGG, MobileNet, dan Inception V3

Abstrak

Salah satu masalah dalam bidang pertanian tanaman tomat adalah adanya penyebaran penyakit pada tanaman tomat ketika ada tanaman tomat yang terkena penyakit dan terlambat diketahui serta tidak ditangani segera. Banyak penelitian tentang pengenalan klasifikasi pada penyakit tanaman tomat dengan metode convolutional neural network (CNN). Namun, peneliti terus melakukan pembelajaran mendalam pada berbagai tugas klasifikasi objek berbasis gambar. Dalam makalah ini, beberapa model akan dilakukan uji coba untuk mengklasifikasi kesehatan daun tanaman tomat guna dapat mengidentifikasi tanaman tomat yang terkena penyakit. Metode yang diusulkan menggunakan pendekatan CNN dengan arsitektur VGG, MobileNet, dan Inception V3. Data citra yang digunakan berasal dari plant disease classification merged (public dataset) memiliki banyak kategori gambar yang digunakan dalam karya eksperimental. Dari hasil eksperimen menunjukkan bahwa masing- masing model telah mencapai kinerja akurasi 98%, 93% dan 88% untuk InceptionV3, VGG, dan Mobile Net. Hasil diperoleh bahwa model dengan urutan terbaik dalam memproses data didapatkan oleh Inception V3, lalu VGG dan Mobile Net. walaupun demikian, mobileNet tetap memiliki efektifitas dan efisiensi saat menjalankan model yang jauh lebih baik daripada Inception V3 dan VGG.