<![CDATA[Penyakit daun kentang, khususnya Early Blight dan Late Blight, dapat menurunkan kualitas dan produktivitas tanaman sehingga diperlukan identifikasi yang cepat dan objektif. Penelitian ini mengimplementasikan DenseNet169 untuk klasifikasi citra daun kentang ke dalam tiga kelas: Early Blight, Late Blight, dan Healthy. Citra dipraproses menjadi 224 × 224 piksel, dinormalisasi, dan data pelatihan diberi augmentasi. Dataset dibagi menjadi 70% data pelatihan, 15% data validasi, dan 15% data pengujian. Model menggunakan transfer learning dengan bobot ImageNet dan dilatih selama 50 epoch menggunakan Adam (learning rate 0,001), batch size 32, categorical cross-entropy, serta aktivasi Softmax. Berdasarkan log eksperimen yang tersedia, performa validasi terbaik pertama kali dicapai pada epoch ke-36 dengan accuracy 98,98%, precision 98,99%, recall 98,98%, F1-score 98,98%, dan validation loss 0,4188. Hasil ini menunjukkan bahwa DenseNet169 efektif mempelajari pola visual pada dataset yang digunakan. Namun, karena metrik yang terdokumentasi merupakan metrik agregat validasi, generalisasi model masih perlu dikonfirmasi melalui evaluasi data uji independen, confusion matrix, classification report per kelas, dan citra lapangan.]]>
Copyrights © 2026
