Text

IDENTIFIKASI KLASIFIKASI PENYAKIT PADA CITRA DAUN JAMBU KRISTAL MENGGUNAKAN METODE CNN

---

Jambu kristal (Psidium guajava L.) merupakan varietas hortikultura bernilai ekonomi tinggi yang banyak dibudidayakan di Indonesia. Namun, produktivitas tanaman ini sering terganggu oleh serangan penyakit daun seperti bercak daun, karat daun, dan embun jelaga. Identifikasi penyakit secara manual yang masih dominan dilakukan oleh petani dan ahli pertanian berpotensi menimbulkan keterlambatan diagnosis dan kesalahan pengambilan keputusan. Oleh karena itu, diperlukan solusi berbasis teknologi yang mampu melakukan identifikasi penyakit secara otomatis, cepat, dan akurat. Penelitian ini mengembangkan sistem klasifikasi penyakit daun jambu kristal berbasis citra digital menggunakan metode Convolutional Neural Network (CNN). Dataset yang digunakan terdiri dari 8.600 citra daun beresolusi 128x128 piksel, hasil augmentasi dari 860 citra asli yang mencakup tiga kelas penyakit (bercak daun, karat daun, dan embun jelaga) serta satu kelas sehat. Proses pra-pemrosesan meliputi pembersihan citra buram, penggantian latar belakang, pemotongan objek, normalisasi ukuran, serta augmentasi untuk meningkatkan keragaman data dan kemampuan generalisasi model. Dataset dibagi menjadi data pelatihan (80%), validasi (10%), dan pengujian (10%). Model CNN yang dikembangkan terdiri dari tiga lapisan konvolusi dan dioptimalkan menggunakan optimizer Adam dengan learning rate 0,0001. Pelatihan dilakukan menggunakan framework TensorFlow dan Keras dengan penerapan teknik early stopping dan model checkpoint untuk menghindari overfitting. Hasil pelatihan menunjukkan akurasi sebesar 97,74% pada data latih dan 97,28% pada data validasi dengan nilai loss 0,0737. Evaluasi pada data uji menghasilkan akurasi keseluruhan sebesar 96%. Sistem klasifikasi yang dihasilkan mampu melakukan prediksi penyakit secara real-time dengan tingkat kepercayaan antara 94,5% hingga 98,81%. Selain itu, evaluasi pengguna melalui survei menunjukkan tingkat kepuasan yang tinggi terhadap kemudahan penggunaan, kecepatan, dan efektivitas sistem dalam mendukung proses identifikasi penyakit di lapangan. Dengan demikian, penelitian ini memberikan kontribusi penting dalam pengembangan teknologi pertanian presisi melalui penerapan kecerdasan buatan untuk diagnosis penyakit tanaman secara otomatis berbasis citra, serta menjadi referensi bagi pengembangan sistem serupa pada komoditas hortikultura lainnya.

---

Availability

Detail Information

Call Number

-

Language

Indonesia

NPM

213510118

Publisher

Teknik Informatika : Universitas Islam Riau., 2025

Keyword(s)

Kata kunci: jambu kristal, klasifikasi citra, CNN,

Other Information

Petugas

Budi Santoso

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment