Art Original
Klasifikasi Jenis Penyakit Pada Daun Mangga Menggunakan Metode Convolutional Neural Network
Tanaman mangga (Mangifera indica) merupakan salah satu komoditas hortikultura penting di Indonesia yang memiliki nilai ekonomi tinggi. Selain sebagai sumber pendapatan bagi petani, buah mangga juga banyak dikonsumsi oleh masyarakat baik dalam bentuk segar maupun olahan. Namun, produktivitas tanaman mangga sering kali menurun akibat serangan berbagai jenis penyakit pada daunnya, yang dapat menghambat proses fotosintesis dan pertumbuhan tanaman. Oleh karena itu, identifikasi dini terhadap penyakit daun mangga menjadi sangat penting untuk meningkatkan kualitas dan kuantitas hasil panen. Pada penelitian ini, digunakan metode convolutional neural network (CNN) untuk mengklasifikasi penyakit tanaman mangga melalui citra gambar daun dengan menggunakan arsitektur CNN yaitu MobileNetV2, Vgg16, dan Xception. Dataset yang digunakan diperoleh dari website Kaggle serta dikombinasikan dengan data real di lapangan, dengan jumlah total 2825 citra yang terdiri atas 5 kelas penyakit yaitu Anthracnose, Bacterial Canker, Die Back, Gall Midge, dan daun sehat (healthy). Dataset dilatih dengan augmentasi untuk menambah variasi data, kemudian masing-masing arsitektur diuji dengan 8 skenario pemilihan parameter, meliputi batch size, epoch, dan learning rate. Hasil pengujian menunjukkan bahwa model dengan akurasi terbaik pada arsitektur MobileNetV2 ditemukan pada skenario ke-7 dengan akurasi 97,87%. Arsitektur VGG16 menghasilkan model terbaik pada skenario ke-3 dengan akurasi 96,10%, sedangkan arsitektur Xception menghasilkan model terbaik pada skenario ke-1 dengan akurasi 97,16%. Implementasi penelitian ini dilakukan berbasis website menggunakan framework Flask, di mana prediksi dari masingmasing arsitektur dengan model terbaik diintegrasikan, dan prediksi akhir penyakit diambil berdasarkan akurasi tertinggi.
No other version available