Deteksi Penyakit Daun Tanaman Tembakau Menggunakan MobileNetV2 Berbasis Citra Digital
DOI:
https://doi.org/10.29407/9jb3n733Keywords:
deteksi penyakit daun, tembakau, convolutional neural network, MobileNetV2, citra digitalAbstract
Penyakit pada daun tembakau merupakan salah satu faktor utama yang dapat menurunkan kualitas dan produktivitas tanaman, sehingga diperlukan metode deteksi dini yang akurat dan efisien. Penelitian ini bertujuan untuk mengimplementasikan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 dalam mendeteksi penyakit daun tembakau berbasis citra digital. Dataset yang digunakan berupa citra daun tembakau dengan beberapa kelas kondisi daun yang diperoleh dari platform Roboflow. Tahap preprocessing meliputi penyesuaian ukuran citra menjadi 224 × 224 piksel, normalisasi, dan augmentasi data. Model dilatih menggunakan pendekatan transfer learning dengan variasi jumlah epoch untuk mengetahui pengaruhnya terhadap performa model. Hasil penelitian menunjukkan bahwa pelatihan dengan 20 epoch memberikan performa terbaik dengan akurasi validasi sebesar 94,7% dan nilai validation loss terendah. Hasil ini menunjukkan bahwa arsitektur MobileNetV2 mampu melakukan klasifikasi penyakit daun tembakau secara efektif serta efisien secara komputasi, sehingga berpotensi digunakan sebagai sistem pendukung deteksi penyakit tanaman di bidang pertanian.
Downloads
References
[1] A. Achmadi, dkk., “Identifikasi Penyakit Daun Tembakau Berbasis Pengolahan Citra Menggunakan Convolutional Neural Network,” Jurnal SISKOM-KB, vol. 8, no. 2, 2024.
[2] Arafat, dkk., “Pemodelan Klasifikasi Penyakit Daun Tembakau Menggunakan MobileNetV2,” Prosiding INOTEK, Universitas Nusantara PGRI Kediri, 2025.
[3] R. Nugroho, dkk., “Transfer Learning untuk Klasifikasi Penyakit dan Hama Padi Menggunakan MobileNetV2,” Techno.Com, Universitas Dian Nuswantoro, vol. 22, no. 1, 2023.
[4] M. Hidayat, dkk., “Implementation and Comparative Analysis of CNN for Plant Disease Classification,” Journal of Artificial Intelligence and Computing (JAIC), Politeknik Negeri Batam, vol. 5, no. 1, 2025.
[5] M. F. A. Maulana, dkk., “Klasifikasi Citra Penyakit Daun Padi Menggunakan Metode Convolutional Neural Network,” CESS (Computer Engineering, Science and System), Universitas Negeri Medan, vol. 10, no. 1, 2025.
[6] Suhartono, dkk., “Klasifikasi Penyakit Daun Tanaman Kentang Menggunakan Metode Convolutional Neural Network,” JUTITI (Jurnal Teknik Informatika dan Teknologi Informasi), vol. 4, no. 2, 2022.
[7] Nabila, Rahmanda, R., dan D. Oktaviany, “Implementasi Arsitektur MobileNetV2 untuk Klasifikasi Penyakit pada Daun Cabai Berbasis CNN,” Jurnal Ilmu Komputer, Universitas Esa Unggul, vol. 9, no. 1, 2024.
[8] Hidayat, dkk., “Implementasi MobileNetV2 pada Klasifikasi Penyakit Daun Tanaman Berbasis Citra Digital,” JUTITI (Jurnal Teknik Informatika dan Teknologi Informasi), vol. 5, no. 1, 2024.
[9] A. Sutrisno, dkk., “Analisis Depthwise Separable Convolution pada Arsitektur CNN untuk Klasifikasi Citra,” SITEKIN (Jurnal Sains, Teknologi, dan Industri), vol. 20, no. 1, 2022.
[10] D. A. Prasetya dan A. S. Wibowo, “Implementasi MobileNetV2 untuk Klasifikasi Citra Tanaman Berbasis Deep Learning,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 7, no. 3, 2023.
[11] A. N. Nafisa, E. N. D. B. Purba, F. A. A. Harahap, dan N. A. Putri, “Implementasi Algoritma Convolutional Neural Network Arsitektur Model MobileNetV2 dalam Klasifikasi Penyakit Tumor Otak Glioma, Pituitary dan Meningioma,” Jurnal Teknologi Informasi, Komputer dan Aplikasinya (JTIKA), vol. 5, no. 1, pp. 53–61, 2023.
[12] R. Ramadhan dan A. Setyawan, “Klasifikasi Penyakit Daun Tanaman Menggunakan Convolutional Neural Network dengan Transfer Learning,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 6, no. 3, pp. 457–464, 2022.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Chanaqy Lucha Mandhalika
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
