KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) ISSN: 2252-9063
Vol. 15 No. 1 (2026): Karmapati Vol 15 No 1 Tahun 2026

Perbandingan Model Resnet18, Efficientnetb0, Dan VGG12 Untuk Klasifikasi Pertumbuhan Tanaman Singkong

Dimas Panduwijaya (Universitas Pendidikan Ganesha)
Acep Taufik Hidayat (STMIK Bandung Bali)



Article Info

Publish Date
27 Jan 2026

Abstract

Pemantauan kondisi pertumbuhan tanaman singkong merupakan aspek krusial dalam pertanian untuk memastikan hasil panen yang optimal. Proses identifikasi manual seringkali subjektif, lambat, dan memerlukan keahlian khusus. Penelitian ini bertujuan untuk mengembangkan sebuah model klasifikasi otomatis menggunakan metode Convolutional Neural Network (CNN) untuk mengidentifikasi kondisi pertumbuhan tanaman singkong berdasarkan citra daun. Dataset citra daun singkong dengan tiga kategori Sehat, Tertekan, dan Sakit digunakan untuk melatih dan menguji arsitektur CNN. Metodologi penelitian mencakup tahap pengumpulan data, augmentasi citra untuk memperkaya variasi data, perancangan arsitektur model, pelatihan, dan evaluasi. Hasil penelitian menunjukkan bahwa model CNN yang dikembangkan mampu mencapai akurasi yang baik dalam membedakan ketiga kelas kondisi daun. Sistem ini berpotensi membantu petani dalam mendeteksi masalah kesehatan tanaman secara dini dan akurat, sehingga mendukung pengambilan keputusan yang lebih efektif dalam manajemen pertanian

Copyrights © 2026