Aplikasi Klasifikasi Penyakit Pada Tanaman Jambu Air Menggunakan Metode CNN

Abstrak

Penyakit pada tanaman jambu air dapat secara signifikan mengurangi kualitas dan kuantitas panen, sehingga diperlukan sistem klasifikasi dini yang akurat. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis untuk membantu diagnosis dini penyakit pada tanaman jambu air. Sistem ini menggunakan model Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 yang dioptimalkan melalui teknik fine-tuning. Dataset diperoleh dari situs Kaggle, Roboflow, dan pengumpulan data langsung, dengan distribusi 80% data pelatihan, 10 persen data validasi, dan 10 persen data pengujian. Model dilatih untuk mengenali sembilan kondisi berbeda dari gambar daun dan buah, kemudian diintegrasikan ke dalam aplikasi web. Hasil pengujian menunjukkan performa sangat baik, dengan akurasi akhir 94 persen dan F1 score seimbang 93 persen pada data uji yang belum pernah dilihat. Namun, model menghadapi tantangan dalam membedakan penyakit dengan kemiripan visual tinggi, terutama pada kelas daun dengan bercak cokelat. Secara keseluruhan, penelitian ini berhasil menghasilkan sistem klasifikasi yang efektif dan akurat. Aplikasi yang dikembangkan memiliki potensi praktis tinggi sebagai alat bantu diagnosis dini untuk meningkatkan pengelolaan kesehatan tanaman dan mengurangi potensi kehilangan hasil panen.