Keywords
klasifikasi
mobilenetV2
tomat
How to Cite
Abstract
Penyakit pada daun tomat menjadi salah satu faktor utama penurunan hasil pertanian. Deteksi manual oleh petani sering kali tidak akurat karena gejala penyakit yang serupa. Penelitian ini bertujuan mengembangkan klasifikasikan penyakit daun tomat menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Dataset yang digunakan diperoleh dari Kaggle dengan enam kelas kondisi daun. Proses meliputi tahap pra-pemrosesan, pelatihan model, pengujian, dan implementasi. Evaluasi dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa model mampu melakukan klasifikasi dengan tingkat akurasi yang baik. Penelitian ini penting karena memberikan solusi praktis bagi petani dalam mendeteksi penyakit secara tepat, serta mendorong pemanfaatan teknologi dalam sektor pertanian.
References
[1] C. Lubis, “Klasifikasi Jenis Penyakit Pada Daun Tomat Dengan Menggunakan Convolutional Neural Network,” Jurnal Ilmu Komputer dan Sistem Informasi, vol. 10, no. 1, 2022. https://doi.org/10.24912/jiksi.v10i1.17839
[2] R. C. Sigitta, R. H. Saputra, dan F. Fathulloh, “Deteksi Penyakit Tomat melalui Citra Daun menggunakan Metode Convolutional Neural Network,” Aviation Electronics, Information Technology, Telecommunications, Electricals, Controls, vol. 5, no. 1, pp. 43–51, 2023. https://doi.org/10.28989/avitec.v5i1.1404
[3] R. Soekarta, N. Nurdjan, dan A. Syah, “Klasifikasi penyakit tanaman tomat menggunakan metode Convolutional Neural Network (CNN),” Insect (Informatics and Security): Jurnal Teknik Informatika, vol. 8, no. 2, pp. 143–151, 2023. https:// doi.org/10.33506/insect.v8i2.2356
[4] S. A. Bukhari, “Implementasi Metode Convolutional Neural Network (CNN) Untuk Diagnosa Penyakit Tanaman Cabai Pada Citra Daun,” Kohesi: Jurnal Sains dan Teknologi, vol. 3, no. 10, pp. 11–20, 2024.
[5] C. R. Kotta, D. Paseru, dan M. Sumampouw, “Implementasi Metode Convolutional Neural Network untuk Mendeteksi Penyakit pada Citra Daun Tomat,” Jurnal Pekommas, vol. 7, no. 2, 2022. https://doi.org/10.56873/jpkm.v7i2.4961
[6] B. Julianto, I. N. Farida, dan M. A. D. W. Dara, “Implementasi Metode CNN Pada Aplikasi Android Untuk Deteksi Penyakit Pada Daun Padi,” dalam Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), vol. 7, no. 2, pp. 963–970, Jul. 2023.
[7] O. V. Putra, M. Z. Mustaqim, dan D. Muriatmoko, “Transfer Learning untuk Klasifikasi Penyakit dan Hama Padi Menggunakan MobileNetV2,” Techno.com, vol. 22, no. 3, 2023. https://doi.org/10.33633/tc.v22i3.8516
[8] M. Murinto, M. Rosyda, dan M. Melany, “Klasifikasi Jenis Biji Kopi Menggunkan Convolutional Neural Network dan Transfer Learning pada Model VGG16 dan MobileNetV2,” JRST (Jurnal Riset Sains dan Teknologi), vol. 7, no. 2, pp. 183–189, 2023. https://doi.org/10.30595/jrst.v7i2.16788
[9] R. S. Budi, R. Patmasari, dan S. Saidah, “Klasifikasi Cuaca Menggunakan Metode Convolutional Neural Network ( Cnn),” e-Proceeding Eng., vol. 8, no. 5, hal. 5047–5052, 2021.
[10] D. Normawati and S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix PadaAnalisis Sentimen Berbasis Teks Pada Twitter,” 2021.Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)1290
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2025 Adis Prima Aryaputra, Danang Wahyu Widodo, Ardi Sanjaya