Implementasi Algoritme Particle Swarm Optimization untuk Optimasi Metode Backpropagation dalam Klasifikasi Penyakit Tanaman Padi

Abstract

Padi merupakan salah satu sumber pangan utama bagi Masyarakat yang ada di Indonesia. Produktivitas padi sering mengalami penurunan karena berbagai faktor, salah satunya adalah serangan penyakit tanaman, Dalam penelitian ini, digunakan metode Backpropagation pada Jaringan Saraf Tiruan (JST) untuk mengklasifikasikan penyakit tanaman padi berdasarkan gejala yang diamati. Namun, metode Backpropagation memiliki kelemahan dalam kecepatan konvergensi dan ketepatan dalam mengklasifikasi. Untuk mengatasi kelemahan ini, digunakan algoritme Particle Swarm Optimization (PSO) untuk mengoptimasi bobot Backpropagation. Data yang digunakan dalam penelitian ini di ambil dari petani di wilayah Samarinda dan mencakup gejala dari penyakit tanaman padi. Berbagai kombinasi parameter PSO telah dilakukan pengujian untuk menemukan konfigurasi yang optimal. Hasil penelitian menunjukkan bahwa penggunaan PSO untuk optimasi Backpropagation meningkatkan akurasi klasifikasi penyakit tanaman padi secara signifikan. Hasil evalusi metode Backpropagation tanpa menggunakan optimasi adalah accuracy sebesar 79%, presisi sebesar 70%, recall sebesar 79%, dan F1-score sebesar 82% sedangkan setelah dioptimasi menggunakan PSO, hasil evaluasi meningkat menjadi accuracy 86%, presisi 81%, recall 86%, dan F1-score 82%. Dalam Penelitian ini telah membuktikan bahwa penggunaan algoritme PSO dapat meningkatkan efektivitas dan akurasi dari metode Backpropagation dalam klasifikasi penyakit tanaman padi.