Klasifikasi Penyakit Daun Tanaman Menggunakan InceptionV3 Berbasis Transfer Learning pada Dataset PlantVillage

Abstrak

Sulitnya mendiagnosis gejala penyakit daun secara visual menjadi faktor utama yang menurunkan produktivitas tanaman, padahal komoditas ini sangat krusial bagi kesehatan. Penelitian ini bertujuan mengatasi kendala tersebut dengan mengembangkan sistem deteksi otomatis menggunakan arsitektur CNN InceptionV3 dan teknik transfer learning. Prosedur penelitian dirancang secara sistematis ke dalam lima tahap utama, yaitu pengumpulan data, prapemrosesan, pembagian data, klasifikasi, dan evaluasi model. Dataset yang digunakan terdiri dari 54.305 citra PlantVillage dari Kaggle yang mencakup 38 kelas daun kondisi sehat dan terinfeksi. Sebelum masuk tahap pemodelan, citra objek diubah ukurannya, dinormalisasi, dan diaugmentasi, kemudian dibagi menjadi data latih, validasi, dan uji dengan proporsi 70:15:15. Pengujian performa model dilakukan lewat pengukuran metrik akurasi, presisi, recall, dan F1-score. Sistem yang dibangun berhasil menghasilkan tingkat akurasi yang tinggi mencapai 97,27%, dengan nilai presisi, recall, dan F1-score konsisten di angka 97%. Implementasi ini membuktikan efektivitas penggunaan kecerdasan buatan dalam memitigasi penyakit tanaman guna mendukung era pertanian cerdas.

Identifier

• OpenAlex: https://openalex.org/W7168176298
• DOI: https://doi.org/10.31598/jurnalresistor.v9i1.2111