Publisher

DJOURNALSDJOURNALS

Journal Journal of Informatics, Electrical and Electronics EngineeringJournal of Informatics, Electrical and Electronics Engineering Abstract

Penyakit pada daun jeruk seperti CVPD, bercak hitam, dan canker menjadi ancaman serius bagi keberlanjutan produksi jeruk, terutama di wilayah Malang. Penelitian ini bertujuan untuk membangun sistem deteksi penyakit daun jeruk berbasis citra menggunakan arsitektur MobileNetV2 dengan pendekatan transfer learning. Optimalisasi dilakukan melalui teknik hyperparameter tuning, termasuk pengaturan batch size, learning rate, regularization, dan optimizer, untuk meningkatkan performa model dalam mengklasifikasikan citra daun ke dalam lima kelas penyakit: black spot, canker, greening, melonose, dan healthy. Dataset yang digunakan bersumber dari Kaggle dan diproses dengan augmentasi serta normalisasi untuk meningkatkan generalisasi model. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model mampu mengklasifikasikan penyakit dengan tingkat akurasi yang tinggi, mendukung deteksi dini serta membantu petani dalam menjaga kesehatan tanaman secara berkelanjutan. Pendekatan ini tidak hanya memberikan solusi teknologi berbasis AI dalam bidang pertanian, tetapi juga mendukung praktik budidaya yang ramah lingkungan dan efisien., Data citra dibagi dalam 4 kelas yaitu bercak hitam 169 citra ,daun canker 163 citra,daun sehat 58,dan daun kekungingan 204 . Total dataset sevara keseluruhan adalah 594 citra.

Conclusion

Penelitian menunjukkan bahwa model klasifikasi penyakit daun berbasis transfer learning dengan arsitektur DenseNet-201 mencapai akurasi tinggi (97%) serta nilai precision, recall, dan F1-score yang tinggi.Namun, keterbatasan utama terletak pada jumlah dan keragaman data yang terbatas.Penelitian lanjutan disarankan untuk memperluas variasi dataset dan mengeksplorasi arsitektur deep learning lain guna meningkatkan generalisasi dan aplikasi lapangan.

Future Research

Saran penelitian selanjutnya meliputi tiga arah utama. Pertama, dapat diteliti bagaimana peningkatan jumlah dan keragaman data citra daun jeruk, termasuk variasi varietas, stadium penyakit, dan kondisi pencahayaan, mempengaruhi kemampuan model untuk mengenali penyakit secara universal; pertanyaan penelitian yang dapat diajukan adalah “Apakah penambahan dataset multi‑varietas meningkatkan akurasi dan generalisasi model deteksi penyakit daun jeruk?. Kedua, perlu dilakukan perbandingan antara arsitektur MobileNetV2 yang ringan dengan model efisien lainnya seperti EfficientNet‑B3 atau ResNet‑50 dalam konteks implementasi pada perangkat seluler, sehingga dapat dijawab “Model mana yang memberikan keseimbangan terbaik antara akurasi, kecepatan inferensi, dan konsumsi energi pada perangkat lapangan?. Ketiga, integrasi data multimodal, misalnya menggabungkan citra daun dengan data lingkungan (suhu, kelembaban, curah hujan) dapat dieksplorasi untuk meningkatkan prediksi dini; pertanyaan yang relevan adalah “Apakah kombinasi fitur visual dan sensor lingkungan dapat meningkatkan kemampuan sistem dalam memprediksi wabah penyakit sebelum gejala terlihat?. Dengan menjawab ketiga pertanyaan ini, penelitian selanjutnya dapat memperluas aplikasi praktis dan meningkatkan keandalan sistem deteksi penyakit tanaman.

References

1. Analisa Sistem Informasi Penjualan Kebab Bongout Eat Menggunakan Metode Scrum | Bulletin of Computer... hostjournals.com/bulletincsr/article/view/194Analisa Sistem Informasi Penjualan Kebab Bongout Eat Menggunakan Metode Scrum Bulletin of Computer hostjournals bulletincsr article view 194
2. Performance of Deep Learning Inception Model and MobileNet Model on Gender Prediction Through Eye Image... doi.org/10.33395/Sinkron.V7i4.11887Performance of Deep Learning Inception Model and MobileNet Model on Gender Prediction Through Eye Image doi 10 33395 Sinkron V7i4 11887
3. Deteksi Penyakit Tomat melalui Citra Daun menggunakan Metode Convolutional Neural Network | Sigitta |... ejournals.itda.ac.id/index.php/avitec/article/view/1404Deteksi Penyakit Tomat melalui Citra Daun menggunakan Metode Convolutional Neural Network Sigitta ejournals itda ac index php avitec article view 1404
4. DETEKSI BENTUK WAJAH MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) | JATI (Jurnal Mahasiswa Teknik Informatika).... ejournal.itn.ac.id/index.php/jati/article/view/8171DETEKSI BENTUK WAJAH MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK CNN JATI Jurnal Mahasiswa Teknik Informatika ejournal itn ac index php jati article view 8171

Metadata

File size	591.64 KB
Pages	8
DMCA	Report