Implementasi Klasifikasi Citra Berbasis Tensorflow Untuk Mendeteksi Penyakit Tanaman Pada Aplikasi Agroscan

Rahma Hidaya, Jenny
Jemakmum

Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Vol. 15 No. 1 (2025): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)

Mengidentifikasi penyakit pada tanaman merupakan hal yang dapat mempengaruhi produktivitas dan keberlanjutan hasil panen di bidang pertanian. Penelitian ini memanfaatkan algoritma Convolutional Neural Network (CNN) dengan tujuan mengembangkan aplikasi Agroscan untuk mengidentifikasi penyakit pada tanaman. Metode yang digunakan berupa pengumpulan dataset yang terdiri dari gambar daun di berbagai jenis tanaman, seperti paprika, kentang, dan tomat yang telah terinfeksi berbagai penyakit. Model CNN dilatih dengan menggunakan datasetPlantVillage, yang terdiri dari 20.638 citra, dan mampu mencapai akurasi pelatihan sebesar 97,30% serta akurasi validasi sebesar 95,02%. Hasil penelitian membuktikan bahwa CNN efektif dalam mengidentifikasi penyakit pada tanaman, dengan tujuan untuk meningkatkan hasil panen dan mendukung pertanian berkelanjutan.