<![CDATA[Pengolahan citra digital daun tembakau merupakan pendekatan penting dalam deteksi dini dan akurat penyakit tanaman, khususnya untuk komoditas pertanian bernilai ekonomi tinggi. Penelitian ini mengusulkan pendekatan augmentasi data multi-strategi untuk meningkatkan akurasi klasifikasi penyakit daun tembakau menggunakan Convolutional Neural Networks (CNN). Tiga teknik augmentasi diterapkan: augmentasi tradisional, augmentasi sampel campuran, dan augmentasi berbasis model pada tiga arsitektur CNN (MobileNetV2, EfficientNetB0, dan VGG16). Dataset terdiri dari 400 citra daun tembakau dengan lima kelas penyakit yang dikumpulkan dari Kabupaten Wonosobo. Eksperimen dilakukan dengan dua skenario pembagian data: 70:30 dan 80:20. Hasil menunjukkan bahwa penerapan augmentasi multi-strategi berhasil meningkatkan akurasi klasifikasi hingga 81,25% pada MobileNetV2 dengan rasio 80:20, yang mewakili peningkatan 20% dibandingkan dengan model tanpa augmentasi. Selain itu, teknik augmentasi secara efektif mengurangi overfitting dengan menurunkan selisih antara akurasi pelatihan dan validasi dari 0,5-0,7 menjadi 0,1-0,2.]]>
Copyrights © 2026
