Classification of Cucumber Leaf Diseases Based on Convolutional Neural Network (CNN)
DOI:
https://doi.org/10.37859/coscitech.v6i2.9982
Abstract
Penyakit daun pada tanaman mentimun merupakan salah satu tantangan utama dalam meningkatkan hasil panen, terutama di Kalimantan Barat. Identifikasi penyakit secara manual seringkali tidak akurat dan memakan waktu. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis untuk penyakit daun mentimun berbasis Convolutional Neural Network (CNN) menggunakan arsitektur VGG-16. Dataset terdiri dari 2.000 citra daun mentimun yang dikategorikan ke dalam lima kelas: Bercak Daun Bakteri, Penyakit Bulai Berbulu, Daun Sehat, Penyakit Mosaik, dan Penyakit Bulai Tepung. Metode yang diterapkan meliputi praproses (pengubahan ukuran, augmentasi, normalisasi), pelatihan model, pengujian, dan evaluasi menggunakan metrik akurasi, presisi, recall, dan skor F1. Model mencapai akurasi 88% pada data pelatihan, 84% pada data validasi, dan 81,50% pada data pengujian. Model yang telah dilatih kemudian diintegrasikan ke dalam aplikasi berbasis web menggunakan Streamlit untuk memfasilitasi klasifikasi interaktif. Hasilnya menunjukkan bahwa Jaringan Saraf Konvolusional (CNN) efektif dalam mengklasifikasikan penyakit daun mentimun secara otomatis dan dapat diterapkan sebagai solusi teknologi di bidang pertanian.
Downloads
References
M. Affan, M. Yasin, and H. Aryanto, “Klasifikasi Penyakit Daun Tanaman Apel Menggunakan Convolutional Neural Network,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 4, no. 6, pp. 1096–1102, 2020, doi: 10.29207/resti.v4i6.2096.
Y. A. Mahromi and S. Setiawan, “Klasifikasi Penyakit Daun Cabai Berdasarkan Citra Digital Menggunakan CNN,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer (J-PTIIK), vol. 4, no. 11, pp. 3860–3867, 2020.
T. Nasution, “Implementasi Convolutional Neural Network (CNN) dalam Klasifikasi Penyakit Daun,” Jurnal Teknologi dan Sistem Komputer, vol. 9, no. 1, pp. 42–48, 2021, doi: 10.14710/jtsiskom.9.1.42-48.
Y. Zhang, L. Wu, and Y. Zhang, “Crop leaf disease image classification with CNN based on transfer learning,” Computers and Electronics in Agriculture, vol. 179, p. 105824, 2020, doi: 10.1016/j.compag.2020.105824.
M. Wicaksono, R. Wibowo, and D. Fadillah, “Klasifikasi Daun Tanaman Menggunakan CNN dan Augmentasi Data,” Jurnal CoSciTech, vol. 2, no. 1, pp. 15–22, 2021, doi: 10.37859/coscitech.v2i1.123.
N. Sari, A. Rahman, and Y. Rahayu, “Aplikasi Identifikasi Penyakit Daun Berbasis Deep Learning pada Tanaman Hortikultura,” Jurnal CoSciTech, vol. 3, no. 2, pp. 35–42, 2022, doi: 10.37859/coscitech.v3i2.178.
Y. LeCun, Y. Bengio, and G. Hinton, “Deep learning,” Nature, vol. 521, no. 7553, pp. 436–444, 2015, doi: 10.1038/nature14539.
K. Simonyan and A. Zisserman, “Very deep convolutional networks for large-scale image recognition,” arXiv preprint arXiv:1409.1556, 2014.
A. Yao, R. Veit, and M. H. T. Fritz, “Recognizing and modeling the behavior of crop diseases with CNN,” in Proc. IEEE Conf. on Computer Vision and Pattern Recognition Workshops, 2017, pp. 1–8.
M. Chollet, Deep Learning with Python, 2nd ed. Shelter Island, NY: Manning Publications, 2021.
