Klasifikasi Penyakit Daun Cabai Menggunakan Vision Transformer

Abstrak

Deteksi dini penyakit daun cabai merupakan langkah penting dalam menjaga produktivitas pertanian dan mendukung ketahanan pangan, mengingat potensi kerugian hasil panen yang besar akibat infeksi. Metode konvensional sering kali bersifat subjektif, memakan waktu, dan tidak efektif untuk pengawasan dalam skala besar. Convolutional Neural Networks (CNN) telah banyak digunakan dalam tugas klasifikasi penyakit tanaman, namun memiliki keterbatasan dalam menangkap dependensi spasial jarak jauh dan kemampuan generalisasi pada kondisi lingkungan yang bervariasi. Penelitian ini mengusulkan penerapan Vision Transformer (ViT) sebagai pendekatan alternatif untuk klasifikasi penyakit daun cabai. ViT memanfaatkan mekanisme self-attention yang memungkinkan pemodelan informasi global secara lebih efektif dibandingkan CNN. Dalam penelitian ini, ViT digunakan untuk mengklasifikasikan beberapa jenis penyakit daun cabai seperti leaf curl, leaf spot, whitefly, dan yellowish. Hasil eksperimen menunjukkan bahwa ViT mampu memberikan akurasi tinggi, dengan persentase presisi mencapai 95,97%, dan performa yang stabil dalam mendeteksi berbagai jenis penyakit, menjadikannya solusi yang menjanjikan untuk mendukung sistem pertanian presisi dan mengurangi kerugian akibat penyakit tanaman.

Identifier

• OpenAlex: https://openalex.org/W4414717792
• DOI: https://doi.org/10.33005/santika.v5i1.751