<![CDATA[Tomat merupakan produk pertanian penting di banyak negara, termasuk Indonesia. Namun, penyakit daun tomat dapat berdampak signifikan pada hasil panen dan kualitas tanaman. Oleh karena itu, deteksi dini penyakit sangat penting untuk meningkatkan hasil panen. Dalam penelitian ini, kami menerapkan transfer learning menggunakan arsitektur ResNet-50 untuk klasifikasi penyakit daun tomat berbasis Convolutional Neural Network (CNN). Dataset yang digunakan berisi 2902 gambar daun tomat yang mencakup 10 kategori termasuk daun sehat dan sembilan jenis penyakit. Proses penelitian meliputi akuisisi data, preprocessing citra dengan augmentasi untuk meningkatkan keragaman dataset, dan pengembangan model menggunakan ResNet-50 untuk ekstraksi fitur. Hasil evaluasi model menunjukkan akurasi keseluruhan sebesar 99%, dengan rata-rata presisi dan perolehan lebih besar dari 0,97 untuk sebagian besar kategori penyakit. Kategori Two-Spotted Spider Mite menunjukkan performa terbaik dengan nilai presisi, recall, dan skor F1 sebesar 1,00. Meskipun terdapat sedikit kesalahan klasifikasi pada beberapa kategori seperti Tomato Yellow Leaf Curl Virus, model tersebut tetap menunjukkan kinerja yang baik dalam mendeteksi keriting daun tomat. Penelitian ini diharapkan dapat memberikan kontribusi terhadap pengembangan sistem deteksi penyakit tanaman berbasis teknologi pengolahan citra yang lebih efisien dan akurat.]]>
Copyrights © 2025
