Claim Missing Document
Check
Articles

Found 1 Documents
Search

Klasifikasi penyakit Daun Tomat Berbasis Transfer Learning Menggunakan VGG16 dan ResNet50 Jihan Rifanti; Varadilla Attamimi; Farid Buamona; Kevin Marbun; Muhammad Setyawan
Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi Vol. 3 No. 4 (2026): SINTA: OKTOBER
Publisher : Berkah Tematik Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61124/sinta.v3i4.365

Abstract

Penyakit pada daun tomat menjadi salah satu penyebab utama menurunnya hasil dan kualitas panen. Metode identifikasi penyakit yang masih mengandalkan pengamatan visual secara manual cenderung memakan waktu, sangat bergantung pada pengalaman petani, dan berpotensi menghasilkan diagnosis yang kurang akurat. Penelitian ini bertujuan membandingkan performa dua arsitektur Convolutional Neural Network (CNN), yaitu VGG16 dan ResNet50, dalam mengklasifikasikan penyakit daun tomat menggunakan pendekatan transfer learning. Dataset yang digunakan berjumlah 18.835 citra daun tomat yang terbagi ke dalam sepuluh kategori penyakit dan satu kategori daun sehat. Pembagian data menerapkan teknik stratified split dengan rasio 70:15:15 untuk data latihan, validasi, dan pengujian, serta menggunakan class weighting untuk mengatasi ketidakseimbangan jumlah data antarkategori. Evaluasi kinerja model dilakukan melalui metrik akurasi, precision, recall, F1-score, confusion matrix, serta analisis kurva akurasi dan loss. Hasil pengujian menunjukkan kedua model mampu mengklasifikasikan penyakit daun tomat dengan baik, namun ResNet50 unggul dengan akurasi 98%, sementara VGG16 mencapai 92%. ResNet50 juga menghasilkan nilai precision, recall, dan F1-score lebih tinggi pada sebagian besar kategori. Temuan ini menegaskan bahwa ResNet50 lebih efisien digunakan sebagai model klasifikasi penyakit daun tomat dan berpotensi mendukung pengembangan sistem deteksi dini penyakit tanaman berbasis smart farming.