KAJIAN AKURASI MODEL ENSEMBLE CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI PENYAKIT TANAMAN TOMAT BERDASARKAN DATA CITRA DAUN

Machine learning merupakan metode yang digunakan untuk menganalisis masalah dalam data mining. Salah satu masalah yang bisa diselesaikan melalui metode machine learning adalah klasifikasi. Pada masalah klasifikasi menggunakan data citra, algoritma yang digunakan adalah Convolutional Neural Network (CNN). Dalam perkembangannya, penelitian tentang CNN banyak mengarah pada tingkat kedalaman struktur network (Deep Neural Network). Namun di sisi lain, perkembangan metode ensemble dengan mengombinasikan banyak algoritma juga semakin berkembang. Maka dari itu, penelitinan ini menerapkan metode ensemble pada CNN untuk klasifikasi penyakit tanaman tomat berdasarkan data citra daun. Enam model CNN dengan arsitektur yang berbeda dilakukan training. Model hasil training kemudian dikombinasikan menggunakan metode ensemble-adaboost untuk mendapatkan bobot masing-masing model. Bobot dikalikan dengan hasil output dari masing-masing model untuk mendapatkan output hasil ensemble. Hasilnya, akurasi data training ensemble mencapai 0,9883. Akurasi ini secara umum lebih tinggi dibanding model-model yang lain.