Identifikasi Penyakit Daun Tembakau Berbasis Pengolahan Citra Identifikasi Penyakit Daun Tembakau Berbasis Pengolahan Citra dengan Metode Convolutional Neural Network (CNN) Dan Metode Transfer Learning

Identifikasi Penyakit Daun Tembakau Berbasis Pengolahan Citra dengan Metode Convolutional Neural Network (CNN) Dan Metode Transfer Learning

Penulis

  • Achmadi Achmadi Universitas Islam Madura (UIM)
  • Busro Akramul Umam Fakultas teknik, Teknologi Informasi, Universitas Islam Madura
  • Anwari Anwari Fakultas teknik, Teknologi Informasi, Universitas Islam Madura

DOI:

https://doi.org/10.47970/siskom-kb.v8i1.654

Kata Kunci:

CNN, Daun Tembakau, Pengolahan citra, Transfer Learning

Abstrak

Abstract— Tujuan dari penelitian ini adalah mengidentifikasi penyakit pada daun tembakau
menggunakan pemrosesan gambar berbasis Convolutional Neural Network (CNN) dan metode Transfer
Learning. Daun tembakau memiliki nilai komersial yang tinggi karena merupakan bahan baku rokok.
Daun tembakau dengan kualitas unggul bisa mencapai harga yang sangat mahal dibandingkan
komoditas lainnya, sehingga pemeliharaan daun tembakau sangat penting. Seperti tanaman lainnya,
daun tembakau juga rentan terhadap penyakit seperti busuk daun dan mosaic tembakau. Namun,
petani sering kali kesulitan mendeteksi penyakit ini secara akurat hanya berdasarkan gejala yang
terlihat. Kesalahan dalam mengenali gejala dapat mengarah pada kesimpulan yang salah dan
penanganan yang tidak tepat. Untuk mempermudah proses ini, deteksi penyakit pada daun tembakau
dapat dilakukan melalui citra daun dengan menggunakan metode Convolutional Neural Network
(CNN). Dalam penelitian ini, metode Transfer Learning dengan model CNN Pre-Trained MobileNet
digunakan untuk mengklasifikasikan tiga jenis daun tembakau. Evaluasi dilakukan pada model akhir
setelah 20 epoch, dengan ukuran batch 10 dan ukuran data uji 103 gambar. Hasil penelitian
menunjukkan nilai precision sebesar 73%, recall 69%, dan f1-score 68%. Akurasi berdasarkan data
uji tercatat sebesar 69%. Saran untuk penelitian selanjutnya adalah memperkaya dataset dengan lebih
banyak gambar daun tembakau dari berbagai kondisi pencahayaan, sudut pandang, dan berbagai
tingkat keparahan penyakit dan membandingkan dengan model CNN lainnya seperti ResNet,
Inception, atau EfficientNet, untuk mengetahui model mana yang memberikan hasil terbaik dalam
identifikasi penyakit daun tembakau.

Kata Kunci : CNN, Daun Tembakau, Pengolahan citra, Transfer learning

##submission.downloads##

Diterbitkan

2024-10-01