Pengujian Simple CNN Dengan Arsitektur LeNet5 Pada Penyakit Daun Jagung

Anggraini, Lusi Dwi
Mahdiyah, Umi
Wulanningrum, Resty

Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Vol. 9 No. 1 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025

Penelitian ini membandingkan performa Simple CNN dan CNN dengan arsitektur LeNet5 dalam mengklasifikasi empat jenis penyakit daun jagung yaitu, normal, bercak daun, ulat grayak, dan bulai. Dataset citra berukuran 400x400 piksel dilakukan proses preprocessing serta pembagian data training dan testing. Pengujian dilakukan dengan variasi epoch dengan jumlah 400 data menggunakan gambar berlatar belakang asli dan polos. Hasil menunjukkan bahwa Simple CNN memberikan akurasi dan performa klasifikasi yang lebih konsisten dan tinggi dibandingkan LeNet5, terutama karena dataset yang terbatas dan spesifik. Berdasarkan hasil training dan evaluasi model skenario terbaik, diketahui bahwa nilai presisi dengan batch size 32 dengan epoch 100 untuk simple CNN menghasilkan nilai presisi 0. 98, recall 0. 98, F1 Score 0. 98. Sedangkan batch size 32 dengan epoch 100 untuk CNN arsitektur LeNet5 menghasilkan nilai presisi 0. 95, recall 0. 94, F1 Score 0. 94. Latar belakang tujuan proses hasil.