<![CDATA[Tanaman kelapa merupakan sumber pendapatan penting bagi masyarakat di Kecamatan Melonguane Timur, namun rentan terhadap serangan hama dan penyakit daun yang dapat mengganggu proses fotosintesis serta menurunkan hasil panen. Petani seringkali terlambat dalam mendeteksi gejala awal sehingga penanganan menjadi kurang optimal. Meskipun penelitian sebelumnya yang menggunakan Convolutional Neural Network (CNN) menunjukkan tingkat akurasi yang baik, masih sedikit penelitian yang mengimplementasikan sistem berbasis web khusus untuk daun kelapa di wilayah terpencil, serta belum banyak yang melaporkan detail hiperparameter secara lengkap untuk mendukung reproduktibilitas penelitian. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan aplikasi berbasis situs web dalam mendeteksi hama dan penyakit daun kelapa menggunakan CNN dengan arsitektur MobileNetV2. Dataset yang digunakan terdiri dari 1.000 citra dengan empat kategori, yaitu ulat api, daun kering, daun layu, dan daun menguning. Model dilatih menggunakan metode transfer learning dengan 25 epoch, ukuran batch 16, laju pembelajaran 0,0001, optimizer Adam, dan fungsi kerugian categorical cross-entropy. Hasil pengujian menunjukkan bahwa model mencapai akurasi sebesar 96% (193 dari 200 data uji benar), dengan precision 96%, recall 96%, dan F1-score 96%, sehingga efektif untuk klasifikasi yang cepat dan akurat dalam penerapan nyata.]]>
Copyrights © 2026
