Implementasi model ResNet-50 dengan image augmentation pada klasifikasi penyakit daun jagung

Penyakit pada tanaman jagung perlu adanya perhatian. Penyakit tersebut dapat menyerang daun, tongkol, dan batang. Fokus penelitian yang dilakukan adalah dengan menggunakan penyakit daun pada jagung. Alasan diambilnya topik ini agar dapat mengetahui hasil dari pengimplementasian dari dua percobaan yaitu dengan menggunakan proses augmentasi maupun tanpa melakukan atau melalui augmentasi. Data citra tersebut diambil melalui data kaggle. Terdapat 4 class yakni Blight, Common rust, Gray leaf spot dan Healthy. Metode yang digunakan untuk klasifikasi gambar menggunakan Convolutional Neural Network Residual Network 50 (ResNet50). Untuk memperbanyak data digunakan 4 yaitu flipping horizontal, flipping vertikal, zoom dan rotasi. Untuk target augmentasi yaitu disamaratakan menjadi data terbanyak atau max count. Parameter yang akan digunakan untuk proses training adalah learning rate, epoch, bath size, dan optimizer Adam. Menggunakan metode splitting data untuk membagi data training, data testing, dan data validation. Kemudian dilakukan proses testing menggunakan confusion matrix. Sehingga menghasilkan performa sistem menggunakan arsitektur ResNet50. Setelah dilakukan evaluasi model menggunakan data testing hasil model terbaik diperoleh dengan percobaan tanpa augmentasi