Segmentasi Semantik pada Citra Hama Leafblast Menggunakan Unet dan Optimasi Hyperband

Abstract

Padi menjadi konsumsi primer di Indonesia. Penyakit padi menjadi salah satu faktor yang menyebabkan menurunnya jumlah produksi padi. Meningkatnya konsumsi beras menjadi masalah dengan menurunnya jumlah produksi padi pada tahun 2021. Luasnya lahan dan lambatnya proses identifikasi keparahan menjadikan kurang maksimalnya penanganan penyakit padi, yang berujung tidak maksimalnya hasil panen bahkan terancam gagal panen. Penelitian ini berupaya untuk mensegmen daun padi yang terkena hama leafblast dengan model yang dioptimalkan. Penelitian ini menggunakan metode algoritma Convolutional Neural Network dengan model UNet yang ditingkatkan dengan optimasi model Hyperband optimization. Dengan banyaknya penelitian mengenai UNet, UNet menjadi populer dan berkembang dengan pesat. Perkembangan yang pesat ini ditandai dengan banyaknya penelitian yang menggunakan UNet dan banyaknya modifikasi yang terus dikembangkan. Dataset yang digunakan pada penelitian ini merupakan murni hasil observasi peneliti dan telah divalidasi oleh ahli, dengan total 300 data asli dan data label. Dalam model yang digunakan, digambarkan terdapat bagian encoder dan decoder yang masing masing memiliki beberapa blok konvolusi. Hasil yang diperoleh dari model yang sudah dioptimasi terbukti 3 kali lebih ringan dengan perbandingan jumlah parameter yang cukup signifikan dan hasil valuasi akurasi mencapai 97.72%.