Penerapan Class Weight pada Model ResNet-50 untuk Klasifikasi Citra Penyakit Tanaman Padi

Abstract

Penyakit tanaman padi seperti bacterial blight, blast, brown spot, dan tungro menjadi ancaman nyata bagi ketahanan pangan Indonesia. Penelitian ini membangun model klasifikasi citra berbasis ResNet-50 dengan pendekatan transfer learning dan fine-tuning untuk mendeteksi keempat penyakit tersebut. Tantangan utama yang dihadapi adalah ketidakseimbangan distribusi kelas pada dataset, yang diatasi dengan menerapkan class weight pada fungsi loss selama pelatihan. Empat skenario eksperimen dirancang dengan membandingkan dua optimizer, yaitu Adam dan SGD-M, masing-masing dengan dan tanpa class weight. Model dievaluasi dengan metrik accuracy, precision, recall, dan F1-score. Hasil menunjukkan bahwa skenario terbaik adalah Adam dengan class weight yang menghasilkan accuracy 98,99% dan macro F1-score 99,01%, dibandingkan Adam tanpa class weight sebesar 98,85% dan SGD-M dengan class weight sebesar 98,60%. Selain itu, kelas tungro memperoleh nilai 1.00 pada metrik evaluasi untuk skenario dengan penggunaan class weight maupun tidak, yang menunjukkan ciri visual tungro berbeda dari kelas lainnya.