Pemodelan Klasifikasi Penyakit Daun Tembakau Dengan Arsitektur MobileNetV2
DOI:
https://doi.org/10.29407/0e53ye06Abstract
Penyakit daun tembakau seperti keriting, layu, patik, dan lanas merupakan salah satu faktor utama yang dapat menurunkan produktivitas dan kualitas hasil panen, serta menyebabkan kerugian ekonomi bagi petani. Deteksi dini menjadi kunci dalam pengendalian penyakit secara efektif. Penelitian ini mengembangkan sistem klasifikasi penyakit daun tembakau berbasis citra digital menggunakan arsitektur MobileNetV2. Dataset terdiri dari 120 gambar daun tembakau yang dikumpulkan langsung dari lapangan dan dikelompokkan ke dalam empat kategori. Tahapan preprocessing meliputi resizing, normalisasi, dan augmentasi data. Model dilatih hingga 40 epoch dan menghasilkan akurasi 95,83% dengan loss 0,2505 tanpa indikasi overfitting. Sistem yang dikembangkan mampu melakukan identifikasi secara cepat dan akurat, sehingga mendukung pengambilan keputusan pengendalian penyakit sejak tahap awal.
Keywords:
Deep Learning, MobileNetV2, Daun Tembakau, Deteksi Penyakit Tanaman##plugins.themes.default.displayStats.downloads##
References
[1] Mismawarni Srima Ningsih, Fardedi, Syafrison, Giska Oktabriana, Mela Rahmah, and Hary Yanto Jailani, “Pengaruh Infeksi Virus Kerupuk terhadap Pertumbuhan dan Hasil Tanaman Tembakau Payakumbuh,” J. Ris. Perkeb., vol. 5, no. 1, pp. 11–17, 2024, doi: 10.25077/jrp.5.1.11-17.2024.
[2] Y. Xin et al., “Machine Learning and Deep Learning Methods for Cybersecurity,” IEEE Access, vol. 6, pp. 35365–35381, 2018, doi: 10.1109/ACCESS.2018.2836950.
[3] M. R. D. Septian, A. A. A. Paliwang, M. Cahyanti, and E. R. Swedia, “Penyakit Tanaman Apel Dari Citra Daun Dengan Convolutional Neural Network,” Sebatik, vol. 24, no. 2, pp. 207–212, 2020, doi: 10.46984/sebatik.v24i2.1060.
[4] F. A. A. Harahap, A. N. Nafisa, E. N. D. B. Purba, and N. A. Putri, “Implementasi Algoritma Convolutional Neural Network Arsitektur Model Mobilenetv2 Dalam Klasifikasi Penyakit Tumor Otak Glioma, Pituitary Dan Meningioma,” J. Teknol. Informasi, Komputer, dan Apl. (JTIKA ), vol. 5, no. 1, pp. 53–61, 2023, doi: 10.29303/jtika.v5i1.234.
[5] M. Murinto, M. Rosyda, and M. Melany, “Klasifikasi Jenis Biji Kopi Menggunkan Convolutional Neural Network dan Transfer Learning pada Model VGG16 dan MobileNetV2,” JRST (Jurnal Ris. Sains dan Teknol., vol. 7, no. 2, p. 183, 2023, doi: 10.30595/jrst.v7i2.16788.
[6] B. Karnadi and T. Handhayani, “Klasifikasi Jenis Buah dengan Menggunakan Metode,” pp. 35–42, 2024, doi: 10.30864/eksplora.v14i1.1067.
[7] O. V. Putra, M. Z. Mustaqim, and D. Muriatmoko, “Transfer Learning untuk Klasifikasi Penyakit dan Hama Padi Menggunakan MobileNetV2,” Techno.Com, vol. 22, no. 3, pp. 562–575, 2023, doi: 10.33633/tc.v22i3.8516.
[8] R. Prabowo, Y. Heningtyas, machudor Yusman, M. Iqbal, and O. D. E. Wulansari, “Klasifikasi Image Tumbuhan Obat (Keji Beling) Menggunakan Artificial Neural Network,” J. Komputasi, vol. 9, no. 2541–0350, pp. 88–92, 2021, doi: 10.23960/komputasi.v9i2.2868.
[9] J. Sanjaya and M. Ayub, “Augmentasi Data Pengenalan Citra Mobil Menggunakan Pendekatan Random Crop, Rotate, dan Mixup,” J. Tek. Inform. dan Sist. Inf., vol. 6, no. 2, pp. 311–323, 2020, doi: 10.28932/jutisi.v6i2.2688.
[10] S. Andika Maulana, S. Husna Batubara, Y. Permata Putri Pasaribu, H. Syahputra, and F. Ramadhani, “Deteksi Burung Menggunakan Convolutional Neural Network (Cnn) Dengan Model Arsitektur Mobilenetv2,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 4, pp. 6108–6114, 2024, doi: 10.36040/jati.v8i4.10126.
[11] E. I. Haksoro and A. Setiawan, “Pengenalan Jamur Yang Dapat Dikonsumsi Menggunakan Metode Transfer Learning Pada Convolutional Neural Network,” J. ELTIKOM, vol. 5, no. 2, pp. 81–91, 2021, doi: 10.31961/eltikom.v5i2.428.
[12] A. T. Rahman, A. Setyanto, and H. Al Fatta, "Klasifikasi Penyakit Daun Apel Menggunakan Arsitektur CNN dengan Transfer Learning," Jurnal SENOPATI: Sustainability, Ergonomics, Optimization, and Application of Industrial Engineering, vol. 6, no. 1, pp. 42-49, 2024. doi: 10.31284/j.senopati.2024.v6i1.6574.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Filach Akbar Arafat, Danar Putra Pamungkas, Patmi Kasih
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
