Model Deteksi Penyakit Karat Daun Pada Tanaman Kopi Menggunakan Metode Convolutional Neural Network (CNN) dan Recurrent Neural Networks (RNNs)

Sari

Kopi merupakan komoditas tropis utama dalam subsektor perkebunan yang memiliki kontribusi signifikan bagi perekonomian Indonesia, baik di pasar domestik maupun internasional. Indonesia merupakan negara produsen kopi terbesar keempat di dunia dan mengalami peningkatan produksi dari tahun ke tahun jumlah produksi kopi Indonesia mencapai 774, 60 ribu ton pada 2021. Rata-rata produktivitas perkebunan kopi gayo adalah 750 kilogram per hektar per tahun, dimana jumlah ini lebih rendah dari pada potensi produksi sesungguhnya. Faktor-faktor yang mempengaruhi produktivitas perkebunan kopi Gayo antara lain faktor cuaca, kondisi tanah, perawatan yang belum optima, dan serangan hama yang cukup sering terjadi. Salah satu hama yang cukup dominan menyerang perkebunan kopi adalah hama Hemileia vastatrix atau hama karat daun. Karat daun kopi ditandai dengan perkembangan bercak berwarna kuning atau belang, tepung oranye atau bercak pada bagian bawah daun kopi, dengan klorotik mengelompok pada sisi atas daun. Diameter bercak awalnya 2-3mm namun sebagaimana penyakit berkembang, bercak meluas dan dapat menjadi beberapa sentimeter diameternya. Penyakit ini telah berkembang sejak abad 19, dan sampai saat ini menjadi salah satu penyakit yang paling merugikan petani. Penelitian ini mengembangkan model deep learning untuk membantu petani mendeteksi penyakit tersebut. Dataset diakuisisi pada perkebunan kopi Gayo yang terdiri dari citra daun yang sehat dan daun yang terserang hama karat daun. Penelitian ini menggabungkan beberapa klasifier yaitu Convolutional Neural Network (CNN) dan Recurrent Neural Networks (RNNs). Hasil klasifikasi masing-masing arsitektur digabungkan menggunakan metode ensemble voting untuk meningkatkan akurasi prediksi akhir yang didapat. Tujuan pemanfaatan metode ensemble adalah karena masing-masing arsitektur deep learning memiliki kelemahan dan kelebihan masing-masing.