Deteksi Penyakit Daun Mangga Menggunakan Convolutional Neural Network Untuk Analisis Komperasi Arsitektur VGG16, Xception

Authors

  • Ryo Ardiansyah Universitas Nusantara PGRI Kediri Indonesia
  • Made Ayu Dusea Widyadara Universitas Nusantara PGRI Kediri Indonesia
  • Umi Mahdiyah Universitas Nusantara PGRI Kediri Indonesia

DOI:

https://doi.org/10.29407/bv3y4028

Abstract

Deteksi penyakit pada daun mangga merupakan tantangan penting dalam sektor pertanian Indonesia karena memengaruhi kualitas dan kuantitas hasil panen. Penelitian ini mengembangkan sistem klasifikasi citra penyakit daun mangga menggunakan arsitektur CNN VGG16 dan Xception. Dataset terdiri dari dua dataset berbeda yang pertama terdiri dari dua kelas yaitu kelas sehat dan sakit, dataset kedua memiliki tiga kelas yaitu Jamur Jelangga, Klorosis, dan Sehat. Teknik augmentasi data dan optimizer Adam digunakan untuk meningkatkan performa model. Evaluasi dilakukan dengan Confusion Matrix serta metrik presisi, recall, dan F1-score. Hasil menunjukkan bahwa VGG16 konsisten memberikan performa terbaik, dengan akurasi hingga 100% pada skenario dua kelas, dan 99% pada skenario tiga kelas. Arsitektur CNN, khususnya VGG16, terbukti efektif dan konsisten dalam mengklasifikasikan penyakit daun mangga berbasis citra digital.

Keywords:

Deep Learning, CNN(Convolutional Neural Network), VGG16, Xception, Deteksi Hama dan Penyakit, Daun Manga

##plugins.themes.default.displayStats.downloads##

##plugins.themes.default.displayStats.noStats##

References

[1] Adenia, R., Minarno, A. E., & Azhar, Y. (2024). Implementasi Convolutional Neural Network Untuk Ekstraksi Fitur Citra Daun Dalam Kasus Deteksi Penyakit Pada Tanaman Mangga Menggunakan Random Forest. Jurnal Repositor, 4(4), 473–482. https://doi.org/10.22219/repositor.v4i4.32287

[2] Akram, A., Fayakun, K., & Ramza, H. (2023). Klasifikasi Hama Serangga pada Pertanian Menggunakan Metode Convolutional Neural Network. Building of Informatics, Technology and Science (BITS), 5(2), 397–406. https://doi.org/10.47065/bits.v5i2.4063

[3] Alfarizi, M. R. S., Al-farish, M. Z., Taufiqurrahman, M., Ardiansah, G., & Elgar, M. (2023). Penggunaan Python Sebagai Bahasa Pemrograman untuk Machine Learning dan Deep Learning. Karya Ilmiah Mahasiswa Bertauhid (KARIMAH TAUHID), 2(1), 1–6.

[4] Alwanda, M. R., Ramadhan, R. P. K., & Alamsyah, D. (2020). Implementasi Metode Convolutional Neural Network Menggunakan Arsitektur LeNet-5 untuk Pengenalan Doodle. Jurnal Algoritme, 1(1), 45–56. https://doi.org/10.35957/algoritme.v1i1.434

[5] Ambarwari, A., Husni, E. M., & Mahayana, D. (2023). Perkembangan Paradigma Metode Klasifikasi Citra Penginderaan Jauh dalam Perspektif Revolusi Sains Thomas Kuhn. Jurnal Filsafat Indonesia, 6(3), 465–473. https://doi.org/10.23887/jfi.v6i3.53865

[6] Vierisyah, A., Tasmi, & Fajri, R. M. (2023). Klasifikasi Kanker Paru Paru Menggunakan Cnn Dengan 5 Arsitektur. Journal of Intelligent Networks and IoT Global, 1(2), 84–91. https://doi.org/10.36982/jinig.v1i2.3643

[7] Fuadi, A., & Suharso, A. (2022). Perbandingan Arsitektur Mobilenet Dan Nasnetmobile Untuk Klasifikasi Penyakit Pada Citra Daun Kentang. JIPI (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika), 7(3), 701–710. https://doi.org/10.29100/jipi.v7i3.3026

[8] Kurniawan, R., Wintoro, P. B., Mulyani, Y., & Komarudin, M. (2023). Implementasi Arsitektur Xception Pada Model Machine Learning Klasifikasi Sampah Anorganik. Jurnal Informatika Dan Teknik Elektro Terapan, 11(2), 233–236. https://doi.org/10.23960/jitet.v11i2.3034

[9] Ambarwari, A., Husni, E. M., & Mahayana, D. (2023). Perkembangan Paradigma Metode Klasifikasi Citra Penginderaan Jauh dalam Perspektif Revolusi Sains Thomas Kuhn. Jurnal Filsafat Indonesia, 6(3), 465–473. https://doi.org/10.23887/jfi.v6i3.53865

[10] Farij Amrulloh, M., Pamungkas, D. P., Kunci-Daun Bawang, K., Klasifikasi, ;, Cnn, ;, Xception, ;, & Amrulloh, M. F. (2024). Klasifikasi Penyakit Daun Bawang Menggunakan Algoritma CNN Xception Penulis Korespondensi. Agustus, 8, 2549–7952.

Downloads

Published

2025-07-10

Issue

Vol. 9 No. 3 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025

Section

Articles

License

Copyright (c) 2025 Ryo Ardiansyah, Made Ayu Dusea Widyadara, Umi Mahdiyah

Creative Commons 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:

  1. Copyright on any article is retained by the author(s).
  2. 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.
  3. 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.
  4. 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.
  5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License

How to Cite

Deteksi Penyakit Daun Mangga Menggunakan Convolutional Neural Network Untuk Analisis Komperasi Arsitektur VGG16, Xception. (2025). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 9(3), 1932-1941. https://doi.org/10.29407/bv3y4028