Klasifikasi Penyakit Daun Kentang dengan Transfer Learning Menggunakan CNN optimalisasi Arsitektur MobileNetV2

Abstract

Kentang merupakan tanaman pangan utama dengan nilai ekonomi tinggi, tetapi rentan terhadap berbagai penyakit yang dapat mempengaruhi kualitas dan produktivitasnya. Penelitian yang dilakukan bertujuan untuk mendeteksi penyakit yang terdapat pada daun tanaman kentang dengan pemanfaatan metode Convolutional Neural Network (CNN) dan memanfaatkan transfer learning menggunakan arsitektur MobileNetV2. Dataset yang digunakan terdiri dari 4072 citra daun kentang dengan tiga kategori: daun sehat (healthy), terinfeksi Early Blight, dan Late Blight. Dataset diproses melalui data augmentation dan normalisasi untuk meningkatkan kualitas data. Model yang dihasilkan menunjukkan performa tinggi dengan akurasi 95,31%, presisi 95,81%, recall 95,31%, dan F1-Score 95,38%. Hasil menunjukkan bahwa metode ini mampu mendeteksi kondisi daun kentang dengan tingkat kesalahan klasifikasi yang rendah, terutama pada kategori healthy. Namun, terdapat tantangan pada klasifikasi antara Early Blight dan Late Blight yang memerlukan analisis lanjutan dan peningkatan metode. Penelitian ini memberikan kontribusi dalam pengembangan sistem deteksi penyakit tanaman yang efisien dan akurat.