Yanto, Maryogi
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Klasifikasi Penyakit Daun Tanaman Timun Berbasis Convolutional Neural Network (CNN) Yanto, Maryogi; Siregar, Alda Cendekia; Abdullah, Asrul
Computer Science and Information Technology Vol 6 No 2 (2025): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v6i2.9982

Abstract

Penyakit daun pada tanaman mentimun merupakan salah satu tantangan utama dalam meningkatkan hasil panen, terutama di Kalimantan Barat. Identifikasi penyakit secara manual seringkali tidak akurat dan memakan waktu. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis untuk penyakit daun mentimun berbasis Convolutional Neural Network (CNN) menggunakan arsitektur VGG-16. Dataset terdiri dari 2.000 citra daun mentimun yang dikategorikan ke dalam lima kelas: Bercak Daun Bakteri, Penyakit Bulai Berbulu, Daun Sehat, Penyakit Mosaik, dan Penyakit Bulai Tepung. Metode yang diterapkan meliputi praproses (pengubahan ukuran, augmentasi, normalisasi), pelatihan model, pengujian, dan evaluasi menggunakan metrik akurasi, presisi, recall, dan skor F1. Model mencapai akurasi 88% pada data pelatihan, 84% pada data validasi, dan 81,50% pada data pengujian. Model yang telah dilatih kemudian diintegrasikan ke dalam aplikasi berbasis web menggunakan Streamlit untuk memfasilitasi klasifikasi interaktif. Hasilnya menunjukkan bahwa Jaringan Saraf Konvolusional (CNN) efektif dalam mengklasifikasikan penyakit daun mentimun secara otomatis dan dapat diterapkan sebagai solusi teknologi di bidang pertanian.