Implementasi EfficientNet-B4 untuk Klasifikasi Penyakit Daun Tanaman Kentang

Authors

  • Muchamad Fajar Shodiq Universitas Nusantara PGRI Kediri Indonesia
  • Danar Putra Pamungkas Universitas Nusantara PGRI Kediri Indonesia
  • Patmi Kasih Universitas Nusantara PGRI Kediri Indonesia

DOI:

https://doi.org/10.29407/4wa90c22

Abstract

Kentang (Solanum tuberosum L.) merupakan tanaman hortikultura penting di Indonesia, namun rentan terhadap serangan penyakit. Identifikasi dini diperlukan agar petani dapat melakukan pengendalian secara tepat. Metode tradisional identifikasi penyakit umumnya memerlukan keahlian khusus dan waktu yang lama. Pemanfaatan teknologi, khususnya pengolahan citra digital untuk mendeteksi penyakit tanaman. Penelitian ini bertujuan untuk mengklasifikasikan penyakit daun kentang menggunakan model EfficientNet-B4. Data berupa citra daun kentang dengan tujuh kategori kondisi yang dikumpulkan di lingkungan tidak terkontrol. Model diuji dalam tiga skenario: 20 epoch, 50 epoch, dan 20 epoch dengan augmentasi. Evaluasi dilakukan menggunakan akurasi, presisi, recall, dan F1-score. Hasil terbaik diperoleh pada skenario 20 epoch tanpa augmentasi dengan akurasi 78,90%, presisi 79,82%, recall 78,90%, dan F1-score 79,05%. Skenario 50 epoch mengalami overfitting, sedangkan augmentasi tidak meningkatkan performa secara signifikan. Hasil ini menunjukkan potensi EfficientNet-B4 dalam klasifikasi penyakit daun kentang.

Keywords:

daun kentang, EfficientNet-B4, klasifikasi citra

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

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

References

W. F. Hidayat, T. Asra, and A. Setiadi, “Klasifikasi Penyakit Daun Kentang Menggunakan Model Logistic Regression,” Indonesian Journal on Software Engineering (IJSE), vol. 8, no. 2, pp. 173–179, 2022. Doi: http://ejournal.bsi.ac.id/ejurnal/index.php/ijse

P. T. Ompusunggu, “Klasifikasi Penyakit Tanaman pada Daun Kentang dengan Metode Convolutional Neural Network Arsitektur MobileNet,” Jurnal Fusion, vol. 2, no. 1, pp. 1–12, 2022.

A. J. Rozaqi, A. Sunyoto, and R. Arief, “Deteksi Penyakit pada Daun Kentang Menggunakan Pengolahan Citra dengan Metode Convolutional Neural Network,” Citec Journal, 2021.

N. H. Shabrina, S. Indarti, R. Maharani, D. A. Kristiyanti, Irmawati, N. Prastomo, and T. M. Adilah, “A Novel Dataset of Potato Leaf Disease in Uncontrolled Environment,” Data in Brief, vol. 52, 2023, doi: 10.1016/j.dib.2023.109955.

A. G. Pradana, D. R. I. M. Setiadi, and A. R. Muslikh, “Fine Tuning Model Convolutional Neural Network EfficientNet-B4 dengan Augmentasi Data untuk Klasifikasi Penyakit Kakao,” Journal of Information System and Application Development, vol. 2, no. 1, pp. 1–11, 2024, doi: 10.26905/jisad.v2i1.11899.

P. Zhang, L. Yang, and D. Li, “EfficientNet-B4-Ranger: A Novel Method for Greenhouse Cucumber Disease Recognition Under Natural Complex Environment,” Computers and Electronics in Agriculture, vol. 176, p. 105652, 2020, doi: 10.1016/j.compag.2020.105652.

A. C. Milano, “Klasifikasi Penyakit Daun Padi Menggunakan Model Deep Learning EfficientNet-B6,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 1, 2024, doi: 10.23960/jitet.v12i1.3855.

R. Shinta, Jasril, M. Irsyad, and F. Yanto, “Klasifikasi Citra Penyakit Daun Tanaman Padi Menggunakan CNN dengan Arsitektur VGG-19,” Jurnal Sains dan Informatika, vol. 9, no. 1, pp. 37–45, 2023, doi: 10.22216/jsi.v9i1.2175.

Q. N. Azizah, “Klasifikasi Penyakit Daun Jagung Menggunakan Metode Convolutional Neural Network AlexNet,” Sudo Jurnal Teknik Informatika, vol. 2, no. 1, pp. 28–33, 2023, doi: 10.56211/sudo.v2i1.227.

M. Tan and Q. V. Le, “EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks,” in Proc. 36th Int. Conf. Mach. Learn. (ICML), 2019, pp. 10691–10700.

Downloads

Published

2025-07-10

Issue

Vol. 9 No. 1 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025

Section

Articles

License

Copyright (c) 2025 Muchamad Fajar Shodiq, Danar Putra Pamungkas, Patmi Kasih

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

Implementasi EfficientNet-B4 untuk Klasifikasi Penyakit Daun Tanaman Kentang. (2025). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 9(1), 537-545. https://doi.org/10.29407/4wa90c22