IMPLEMENTASI ALGORTIMA CONVOLUTIONAL NEURAL NETWORK UNTUK DETEKSI PENYAKIT DAUN KENTANG MENGGUNAKAN CITRA DIGITAL

Abstract

Tanaman kentang merupakan tanaman pangan penting namun rentan terhadap penyakit daun seperti penyakit hawar awal dan hawar akhir, yang dapat menurunkan hasil panen secara signifikan. Dalam penelitian ini, kami mengembangkan dan membandingkan beberapa model jaringan saraf konvolusional (CNN) untuk mengklasifikasikan penyakit daun kentang berdasarkan gambar visual. Data yang digunakan terdiri dari gambar daun kentang dalam tiga kelas: sehat, hawar awal, dan hawar akhir. Dataset gambar diproses melalui augmentasi dan normalisasi untuk meningkatkan akurasi model. Tiga arsitektur CNN, yaitu MobileNet-V2, VGG16, dan ConvNeXtBase, diimplementasikan dan diuji dengan berbagai ukuran batch. Dari hasil penelitian, arsitektur VGG16 dengan ukuran batch 32 memberikan performa terbaik dengan akurasi klasifikasi sebesar 95,93%, diikuti oleh MobileNet-V2 dengan akurasi 94,15%. Oleh karena itu, model CNN, khususnya VGG16, terbukti efektif dalam mengidentifikasi penyakit daun kentang, yang dapat berkontribusi pada pengelolaan tanaman kentang yang lebih efisien dan mengurangi kerugian hasil panen.