<![CDATA[Salah satu faktor utama yang dapat menurunkan produktivitas dan kualitas hasil pertanian adalah penyakit daun mangga. Penyakit yang diidentifikasi secara manual masih bergantung pada pengalaman petani, yang dapat menyebabkan kesalahan. Oleh karena itu, dapat menggunakan teknik transfer learning Convolutional Neural Network (CNN), tujuan penelitian ini adalah untuk mengklasifikasikan berbagai jenis penyakit yang menyerang daun mangga. Dengan 4.000 gambar, dataset yang digunakan berasal dari Kaggle dan terdiri dari delapan kelas: anthracnose, bacterial canker, cutting weevil, die back, gall midge, sehat, powdery mildew, dan sooty mold. Dalam eksperimen ini, empat arsitektur CNN ResNet50, ConvNeXt-Tiny, DenseNet121, MobileNetV2, dan yang lainnya dimodifikasi dengan Global Average Pooling, Batch Normalization, dan Lapisan Dense. Hasilnya menunjukkan bahwa ResNet50 dan ConvNeXt-Tiny memberikan tingkat akurasi terbaik, masing-masing 96,13% dan 95,88%, dengan skor F1 di atas 95%. Temuan ini menunjukkan bahwa pemilihan arsitektur CNN memiliki dampak yang signifikan.]]>
Copyrights © 2026
