Klasifikasi Penyakit Daun Tanaman Timun Berbasis Convolutional Neural Network (CNN)

Abstrak

Penyakit daun pada tanaman timun merupakan salah satu tantangan utama dalam meningkatkan hasil panen, khususnya di Kalimantan Barat. Identifikasi penyakit secara manual seringkali tidak akurat dan memakan waktu. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis penyakit daun timun berdasarkan Convolutional Neural Network (CNN) dengan arsitektur VGG-16. Dataset berisi 2.000 citra daun timun yang terbagi ke dalam lima kelas: Bacterial Leaf Spot, Downy Mildew, Healthy Leaf, Moses Disease, dan Powdery Mildew. Metode yang digunakan meliputi preprocessing ( resize , augmentasi , normalisasi), pelatihan model, pengujian, serta evaluasi menggunakan metrik akurasi, presisi, recall , dan F1-score . Model mencapai akurasi 88% pada data latih, 84% pada data validasi, dan 81,50% pada data uji. Model kemudian diintegrasikan ke dalam aplikasi web berbasis Streamlit untuk memudahkan klasifikasi secara interaktif. Hasil penelitian menunjukkan bahwa Convolutional Neural Network (CNN) efektif dalam mengklasifikasikan penyakit daun timun secara otomatis dan dapat diterapkan sebagai solusi teknologi pertanian.

Identifier

• OpenAlex: https://openalex.org/W7115721981
• DOI: https://doi.org/10.37859/coscitech.v6i2.9982