Art Original

PERBANDINGAN MODEL ARSITEKTUR CNN DALAM KLASIFIKASI PENYAKIT PADA DAUN TANAMAN TOMAT

---

Pertanian merupakan salah satu sektor vital dalam perekonomian, termasuk di Indonesia. Salah satu komoditas penting adalah tomat, yang permintaannya terus meningkat. Namun, tanaman tomat rentan terhadap berbagai jenis penyakit yang dapat menurunkan kualitas dan produktivitas. Untuk mengatasi masalah ini, dilakukan klasifikasi penyakit pada daun tomat menggunakan metode Convolutional Neural Network (CNN). Penelitian ini membandingkan tiga arsitektur CNN, yaitu VGG16, VGG19, dan Xception. Model dilatih menggunakan dataset dari website Kaggle yang terdiri dari 4000 citra daun tomat, terbagi ke dalam empat kelas: bacterial spot, late blight, yellow leaf curl virus, dan daun tomat sehat. Pelatihan model dilakukan dengan kombinasi beberapa hyperparameter, seperti jumlah epoch, learning rate, dan optimizer. Untuk mempermudah proses pengujian, model diimplementasikan ke dalam aplikasi web berbasis Flask. Hasil pengujian menunjukkan bahwa model VGG16 memberikan performa terbaik dengan akurasi 99,52%, disusul oleh VGG19 dengan akurasi 98,08%, dan Xception dengan akurasi 97,12%. Penelitian ini menunjukkan bahwa arsitektur CNN, khususnya VGG16, efektif dalam mengklasifikasikan penyakit daun tomat secara akurat.

---

Availability

Detail Information

Call Number

Infomatika 632.3 Ard p

Language

Indonesia

NPM

193510526

Publisher

Teknik Informatika : Universitas Islam Riau., 2025

Keyword(s)

Penyakit Daun Tomat
VGG19
Xception

Other Information

Petugas

Ayu Agustina

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment