Aplikasi Web untuk Klasifikasi dan Deteksi Penyakit Daun Tomat Menggunakan Model CNN dan YOLO

Abstrak

Penelitian ini mengembangkan aplikasi berbasis web untuk klasifikasi dan deteksi penyakit daun tomat menggunakan model Jaringan Saraf Konvolusional (CNN) dan You Only Look Once (YOLO). Penelitian ini mengikuti pendekatan Penelitian dan Pengembangan (R&D) yang meliputi analisis kebutuhan, desain sistem, implementasi, pelatihan model, dan pengujian. Model CNN dilatih untuk mengklasifikasikan gambar daun tomat ke dalam kategori penyakit spesifik, sementara model YOLO dirancang untuk mendeteksi dan melokalisasi area yang terinfeksi secara real-time. Kedua model diintegrasikan ke dalam sistem web berbasis Flask untuk menyediakan fungsionalitas yang dapat diakses dan interaktif melalui browser web standar. Hasil pengujian menunjukkan bahwa model CNN mencapai akurasi 96,1%, berhasil mengidentifikasi jenis penyakit seperti Early Blight dan Bacterial Spot. Model YOLO mencapai rata-rata Average Precision (mAP) sebesar 87,3% untuk deteksi real-time, berhasil mengidentifikasi dan menandai area terinfeksi pada daun tomat. Integrasi model CNN dan YOLO menunjukkan kinerja klasifikasi dan deteksi yang kuat, menawarkan solusi efisien dan skalabel untuk mendukung diagnosis penyakit dini dan transformasi digital dalam pertanian presisi.

Identifier

• DOI: https://doi.org/10.24036/jtip.v19i1.1073
• OpenAlex: https://openalex.org/W7138014842