Analisis Kinerja MobileNetV2 dalam Klasifikasi Penyakit Daun Cabai Berdasarkan Citra
DOI:
https://doi.org/10.29407/kjds0905Keywords:
cnn, citra daun, klasifikasi penyakit, MobileNetV2, tanaman cabaiAbstract
Penyakit daun pada tanaman cabai merupakan salah satu penyebab utama penurunan kualitas dan produktivitas hasil panen. Identifikasi penyakit yang masih dilakukan secara manual rentan terhadap kesalahan karena kemiripan gejala visual di antara berbagai penyakit. Oleh karena itu, penelitian ini bertujuan menganalisis performa model Convolutional Neural Network berbasis MobileNetV2 dalam mengklasifikasikan penyakit daun cabai melalui citra. Penelitian ini menggunakan dataset gambar daun cabai yang terbagi ke dalam empat kelas, yaitu Bacterial Spot, Cercospora, Curl Virus, dan daun sehat. Metode yang diterapkan mencakup preprocessing gambar seperti resize dan normalisasi, pembagian data dengan proporsi 80:20, serta pelatihan model dengan pendekatan transfer learning. Evaluasi performa model dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model MobileNetV2 dapat mencapai akurasi sebesar 97% dengan nilai macro average dan weighted average yang identik, yang menunjukkan kinerja yang seimbang di semua kelas. Hasil penelitian ini menunjukkan bahwa MobileNetV2 memiliki potensi besar untuk digunakan sebagai model klasifikasi penyakit daun cabai berbasis citra digital.
Downloads
References
[1] W. S., “Analisis Usahatani dan Pemasaran Cabai Merah (Capsicum annuum L.),” Jurnal Ilmu Pertanian Indonesia, 2021.
[2] Y. A. Kleruk, H. D. Beja, and Y. Wahyuni, “Identifikasi Hama Dan Penyakit Serta Pengendalian Pada Tanaman Cabai (Capsicum Annuum L.)Di Kelompok Tani Sinar Bahagia Desa Nitakloang Kabupaten Sikka,” 2024.
[3] J. S. W. Pramana, S. A. Sudiro, M. I. Zulfa, and M. G. Ragil, “Klasifikasi Penyakit Daun Cabai Menggunakan Metode Convolutional Neural Network.,” RESTI (Rekayasa Sistem dan Teknologi Informasi)., 2023.
[4] R. Mujahiddin, Zaeniah, and B. Imran, “Rancang Bangun Sistem Pakar Diagnosa Penyakit Pada Tanaman Cabai Dengan Metode Certanty Factor,” Jurnal Kecerdasan Buatan dan Teknologi Informasi (JKBTI), 2023.
[5] E. L. P. Ristanti, “Analisis dan Perbandingan Arrsitektur VGG16 dan MobileNetV2 Untuk Klasifikasi dan Identifikasi Penyakit Daun Pada Tanaman Cabai Menggunakan CNN,” Jurnal Ilmiah Sain dan Teknologi, 2024.
[6] B. N. T. C. Ningrum, E. N. Ni’mah, M. P. Arifin, and M. A. D. W. Dara, “Klasifikasi Dan Pengenalan Pola Penyakit Cabai Dengan Metode CNN (Convolution Neural Network),” 2024.
[7] F. Mursyid, M. A. Albarzah, Irnawat, W. C. Juliana, M. R. Adiyatma, and F. M. Hamundu, “Aplikasi Deteksi Penyakit Tanaman Cabai Menggunakan Teknologi Machine Learning dan Flask,” Jurnal Pustaka Data, 2025.
[8] E. N. Rahmawati, T. Pinandita, M. A. Fitriani, and E. A. Pambudi, “Deteksi Penyakit Daun Tomat Real-Time pada Platform Android Berbasis Convolutional Neural Network,” Jurnal Pendidikan dan Teknologi Indonesia (JPTI), Aug. 2025.
[9] R. C. Gonzalez and Woods Richard E., Digital Image Processing. Pearson, 2018.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Firma Nahwa Firdaus
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
