DETEKSI PENYAKIT DAUN KARET MENGGUNAKAN FASTER REGION-BASED CONVOLUTIONAL NEURAL NETWORK (FASTER R-CNN)

---

Deteksi dini penyakit pada daun karet sangat penting untuk menjaga produktivitas dan kualitas hasil perkebunan di Indonesia. Penelitian ini mengusulkan dan mengembangkan sistem deteksi otomatis penyakit daun karet menggunakan metode Faster Region-Based Convolutional Neural Network (Faster R-CNN). Dataset citra daun karet yang terdiri dari empat kelas (Pestalotiopsis, Colletotrichum, Oidium, dan daun sehat) dikumpulkan dari Pusat Penelitian Karet Sembawa dan telah melalui proses anotasi, augmentasi, serta validasi oleh ahli. Proses pelatihan model dilakukan menggunakan backbone ResNet-50 dan dua jenis optimizer (AdamW dan SGD), dengan evaluasi performa menggunakan metrik mAP dan mAR pada dataset uji. Hasil penelitian menunjukkan bahwa model Faster R-CNN dengan optimizer AdamW selama 30 epoch memberikan performa terbaik, dengan nilai mAP sebesar 68,3%, mAP@50 sebesar 95,6%, dan mAP@75 sebesar 82,7%. Model mampu mendeteksi dan mengidentifikasi tiga jenis penyakit daun karet dan daun sehat secara otomatis dengan akurasi yang tinggi, serta berhasil diimplementasikan dalam bentuk aplikasi web berbasis Flask. Sistem yang dikembangkan memudahkan pengguna dalam melakukan deteksi penyakit secara cepat, informatif, dan efisien, sehingga berpotensi membantu petani dan pengelola perkebunan dalam pengambilan keputusan penanganan penyakit secara tepat

---

Availability

Detail Information

Call Number

-

Language

NPM

213510239

Publisher

Teknik Informatika : Universitas Islam Riau., 2025

Keyword(s)

Kata Kunci: Penyakit Daun Karet, Deteksi Otomatis,

Other Information

Petugas

Budi Santoso

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment