Klasifikasi Penyakit Tanaman Tomat dan Cabai Menggunakan Transfer Learning MobileNetV2 dengan Visualisasi Grad-CAM

Ahmad Robi Faro'id (Program Studi Informatika, Universitas Jember)
Agustin Maulidiah (Program Studi Agroteknologi, Universitas Jember)
Dea Angelina (Program Studi Agribisnis, Universitas Jember)
Moch. Raditya Priyo Pambudi (Program Studi Agribisnis, Universitas Jember)

Journal of Golden Generation Engineering
Vol. 2 No. 2 (2026): In Progress 2026 : Journal of Golden Generation Engineering

Penyakit tanaman merupakan salah satu faktor utama penurunan hasil pertanian pada komoditas tomat dan cabai di Indonesia. Deteksi dini secara manual memerlukan keahlian khusus dan waktu yang lama. Penelitian ini mengusulkan sistem klasifikasi penyakit tanaman berbasis deep learning menggunakan arsitektur MobileNetV2 dengan pendekatan transfer learning. Dataset PlantVillage yang terdiri dari 20.638 gambar daun dengan 15 kelas digunakan sebagai data pelatihan. Model dievaluasi menggunakan metrik accuracy, precision, recall, dan F1-score. Visualisasi Grad-CAM diterapkan untuk menginterpretasikan area fokus model dalam pengambilan keputusan. Hasil eksperimen menunjukkan akurasi sebesar 89,93% pada data uji dengan rata-rata weighted F1-score sebesar 0,90. Visualisasi Grad-CAM membuktikan model mengidentifikasi area terinfeksi secara akurat. Pengujian pada gambar nyata menunjukkan kemampuan model dalam kondisi dunia nyata.