DETEKSI PENYAKIT BROWN SPOT PADA DAUN PADI MENGGUNAKAN SINGLE SHOT DETECTOR BERBASIS VGG-16
Author
Abstract
Padi (Oryza sativa L.) merupakan komoditas strategis dalam ketahanan pangan nasional Indonesia. Namun, produktivitasnya sering terhambat oleh serangan penyakit bercak cokelat (brown spot) yang disebabkan oleh jamur Bipolaris oryzae dan dapat menurunkan hasil panen hingga 45%. Saat ini, proses identifikasi penyakit masih menggunakan metode pengamatan manual yang bersifat subjektif, memakan waktu, serta memiliki risiko kesalahan yang tinggi. Oleh karena itu, diperlukan sistem yang mampu mendeteksi penyakit pada tanaman padi secara cepat dan akurat menggunakan teknologi computer vision dan artificial intelligence, khususnya object detection. Penelitian ini bertujuan menerapkan sistem deteksi dini penyakit brown spot menggunakan algoritma Single Shot Detector (SSD) dengan arsitektur VGG-16 sebagai backbone untuk ekstraksi fitur kompleks dari gejala penyakit. Dataset yang digunakan bersumber dari Kaggle yang terdiri dari 1000 citra dan telah dianotasi secara manual menggunakan perangkat lunak LabelImg, kemudian dibagi menjadi 80% data latih dan 20% data uji. Model dilatih menggunakan transfer learning dengan optimizer SGD selama 200 epoch dan divalidasi melalui 5 seed runs berbeda untuk memastikan konsistensi hasil. Hasil pengujian menunjukkan performa model yang sangat baik dengan nilai mean Average Precision (mAP) sebesar 0.8254 dan Intersection over Union (IoU) sebesar 0.5478, serta menunjukkan konsistensi tinggi pada kelima runs. Dengan hasil tersebut, sistem ini diharapkan dapat menjadi alternatif solusi bagi petani untuk menggantikan deteksi manual dengan sistem yang lebih objektif dan akurat guna meminimalkan risiko kegagalan panen.