PEMANFAATAN RESNET-50 DAN STREAMLIT UNTUK KLASIFIKASI PENYAKIT ANTRAKNOSA DAN BUSUK PADA CABAI RAWIT
DOI:
https://doi.org/10.29407/egznhc87Abstract
Cabai rawit (Capsicum frutescens) merupakan komoditas hortikultura potensial yang banyak dibudidayakan di Indonesia. Namun, produksi cabai rawit seringkali terganggu oleh penyakit, terutama antraknosa yang disebabkan oleh jamur Colletotrichum dan busuk buah yang disebabkan oleh larva lalat buah (Bactrocera spp.). Penyakit ini menyebabkan penurunan kualitas dan kuantitas hasil panen. Penelitian ini bertujuan untuk mendeteksi penyakit antraknosa dan busuk buah pada cabai menggunakan metode deep learning dengan arsitektur ResNet-50 pada Convolutional Neural Network (CNN). Data penelitian terdiri dari gambar cabai sehat dan terinfeksi yang dikumpulkan langsung dari lahan pertanian. Dataset diproses menggunakan teknik augmentasi, seperti rescaling, rotasi, zoom, dan flipping untuk meningkatkan kualitas model. Model ResNet-50 dipilih karena efisiensinya dalam lingkungan dengan daya komputasi terbatas. Pelatihan dilakukan selama 50 epoch dengan hasil akurasi tinggi sebesar 0.9937 pada dataset pelatihan dan 1,000 pada dataset validasi. Grafik akurasi dan loss menunjukkan performa model yang stabil dengan overfitting minimal. Hasil penelitian ini menunjukkan bahwa arsitektur ResNet-50 efektif dalam mendeteksi penyakit antraknosa dan busuk buah pada cabai rawit. Meskipun demikian, kesalahan klasifikasi pada beberapa gambar menekankan pentingnya penambahan dataset yang lebih beragam, khususnya untuk penyakit busuk buah. Implementasi model ini diharapkan dapat membantu petani mendeteksi penyakit secara cepat dan meningkatkan produktivitas cabai rawit di Indonesia.
Keywords:
antraknosa, busuk buah, ResNet-50, deep learning##plugins.themes.default.displayStats.downloads##
References
[1] R. Maulidda, R. Atika, N. Alfarizal, and A. K. Dwita, "Sistem Kontrol Monitoring Penyiram Tanaman Aglaonema Menggunakan Sensor Capacitive Soil Moisture dan DS-18B20 Berbasis Internet of Things (IoT)," Jurnal Ampere, vol. 10, no. 1, pp. 44-54, 2025.
[2] A. C. Wijaya, D. Widyastuti, D. Suprayitno, N. Hariyani, and S. Sulastri, "Pengembangan Sistem Kontrol Lingkungan Mikro Tanaman Aglaonema Berbasis Internet of Things," JURNAL GREEN HOUSE, vol. 4, no. 2, pp. 29-44, 2026.
[3] F. Marpaung, F. Aulia, and R. C. Nabila, "Computer Vision Dan Pengolahan Citra Digital," PUSTAKA AKSARA, 2022.
[4] P. Pete, "Analisis Metode Deteksi Tepi Canny untuk Identifikasi Dini Penyakit pada Daun Jagung di Perkebunan Jagung Waigete, Kabupaten Sikka, Nusa Tenggara Timur," Increate-Inovasi dan Kreasi Teknologi, vol. 11, no. 2, 2025.
[5] B. T. Putra, A. Sonita, A. K. Hidayah, and M. Imanullah, "KLASIFIKASI TINGKAT KEMATANGAN CABAI BERDASARKAN WARNA RGB MENGGUNAKAN METODE FUZZY LOGIC," JATI (Jurnal Mahasiswa Teknik Informatika), vol. 9, no. 3, pp. 4938-4943, 2025.
[6] R. Rudiansyah, A. A. Sunarto, and D. Indrayana, "IMPLEMENTASI ALGORITMA YOLO UNTUK IDENTIFIKASI JENIS TANAMAN AGLAONEMA," Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 3S1, 2024.
[7] S. Muhammad and A. T. Wibowo, "Klasifikasi Tanaman Aglonema Berdasarkan Citra Daun Menggunakan Metode Convolutional Neural Network (cnn)," eProceedings of Engineering, vol. 8, no. 5, 2021.
[8] T. Hidayat, "Identifikasi morfologi citra daging menggunakan teknik pengolahan citra digital," JATI (Jurnal Mahasiswa Teknik Informatika), vol. 9, no. 1, pp. 1580-1586, 2025.
[9] N. F. Hasan, C. N. Dengen, and D. Ariyus, "Analisis Histogram Steganografi Least Significant Bit Pada Citra Grayscale," Digital Zone: Jurnal Teknologi Informasi dan Komunikasi, vol. 11, no. 1, pp. 20-29, 2020.
[10] C. L. HANI, "KLASIFIKASI CITRA DAUN TUMBUHAN OBAT MENGGUNAKAN DETEKSI TEPI CANNY DAN METODE K-NEAREST NEIGHBOR (KNN)," 2023.
[11] G. F. Tauhid et al., "Fuzzy Logic dalam Keputusan Jumlah Produksi Berbasis Website Dengan Metode Mamdani," Jurnal Inovasi Komputer (INOKOM), vol. 1, no. 2, pp. 56-65, 2025.
[12] R. Destian, F. F. A. Sinaga, A. Aulya, and S. R. Andani, "Sistem Pendukung Keputusan Penentuan Karyawan Terbaik Pada Kantor Badan Pusat Statistik Dengan Menggunakan Metode Mamdani," (JRSIKOM) Jurnal Riset Sistem Informasi dan Aplikasi Komputer, vol. 1, no. 3, pp. 14-19, 2025.
[13] A. T. Nugroho, Y. Nursulistyono, B. E. Cahyono, and A. Subekti, "Texture Features of Aglaonema Leaves with Local Binary Pattern Code," Sistemasi: Jurnal Sistem Informasi, vol. 13, no. 4, pp. 1532-1546, 2024.
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
