Pengenalan Pola Penyakit Pada Gambar Daun Tanaman Kentang Memanfaatkan Metode Convolution Neural Network

Habibi, Faisal Wildan
Irawan, Nauval Maulana Rizky
Syaifulloh, Dafauzan Bilal
Aprillian, Farrel
Anggraeny, Fetty Tri

Jurnal Ilmiah Teknologi Informasi dan Robotika
Vol. 6 No. 1 (2024): Jurnal Ilmiah Teknologi Informasi dan Robotika

Kentang (Solanum tuberosum) merupakan komoditas pertanian penting yang rentan terhadap penyakit seperti late blight dan early blight. Metode deteksi penyakit secara tradisional seringkali kurang akurat dan efisien, sehingga diperlukan teknik komputasi lanjutan. Penelitian ini mengimplementasikan Convolutional Neural Network (CNN) untuk mendeteksi penyakit daun kentang dengan klasifikasi tiga kategori: sehat, late blight, dan early blight. Menggunakan dataset PlantVillage dengan total 2152 citra, model CNN dilatih dan diuji. Proses preprocessing meliputi pengubahan ukuran citra menjadi 150 x 150 piksel dan normalisasi nilai piksel. Hasil menunjukkan akurasi model sebesar 94,88%. Metrik evaluasi seperti precision, recall, dan F1-score menunjukkan keandalan model yang tinggi. Penelitian ini menunjukkan potensi CNN dalam mengotomatisasi deteksi penyakit tanaman, sehingga dapat meningkatkan produktivitas dan mengurangi kerugian.