Penerapan Deep Learning Berbasis CNN untuk Klasifikasi Otomatis Penyakit Daun Kelapa Sawit: Application of CNN-Based Deep Learning for Automatic Classification of Oil Palm Leaf Diseases

Nanang Riyadi
Erni Rouza
Fajar Maftukhan
Sukma Zahara
Theresia Panjaitan
Citra Dea Wulandari
Rendi Saputra

Jurnal Kolaboratif Sains
Vol. 9 No. 1: Januari 2026 -In Progress

Penelitian ini mengembangkan model Convolutional Neural Network (CNN) untuk mengidentifikasi lima jenis gangguan pada daun kelapa sawit, yaitu Curvularia, defisiensi kalium, defisiensi magnesium, karat daun, dan serangan ulat menggunakan citra digital. Dataset berjumlah 5000 citra diproses melalui tahapan pra-pemrosesan dan augmentasi untuk meningkatkan keragaman visual. Model dilatih menggunakan arsitektur CNN dasar dengan optimizer Adam dan loss function categorical cross-entropy. Hasil evaluasi menunjukkan akurasi rata-rata 88% dengan nilai precision, recall, dan F1-score yang stabil. Kelas Karat Daun dan Serangan Ulat menjadi kategori dengan performa terbaik karena memiliki gejala visual yang tegas, sedangkan defisiensi kalium dan magnesium menunjukkan tingkat kesalahan lebih tinggi akibat kemiripan ciri. Temuan ini mengonfirmasi bahwa CNN efektif sebagai perangkat deteksi berbasis citra dan berpotensi dikembangkan lebih lanjut melalui peningkatan kualitas dataset, arsitektur model, serta integrasi dengan sensor lapangan untuk mendukung praktik budidaya kelapa sawit yang lebih presisi dan berkelanjutan.