Implementasi CNN untuk identifikasi penyakit daun jagung

Abstrak

Jagung merupakan salah satu komoditas penting di sektor pertanian Indonesia. Namun, serangan penyakit pada daun dapat menurunkan kualitas dan kuantitas panen. Di SMK Negeri 1 Kuningan, identifikasi penyakit masih dilakukan secara manual, sehingga berisiko terjadi kesalahan. Penelitian ini bertujuan merancang dan membangun aplikasi Android untuk mendeteksi penyakit daun jagung secara otomatis menggunakan algoritma Convolutional Neural Network (CNN). Metode pengembangan yang digunakan adalah Rapid Application Development (RAD), dengan model CNN berbasis arsitektur MobileNetV2 yang dilatih menggunakan dataset citra daun jagung berpenyakit dan sehat. Evaluasi menggunakan citra uji menghasilkan akurasi sebesar 96,2%. Model mampu mendeteksi lima kategori yaitu bercak daun, bulai daun, hawar daun, karat daun, dan daun sehat. F1-Score masing-masing adalah 94% Bercak Daun, 96% Bulai Daun, 96% Daun Sehat, 97% Hawar Daun, dan 96% Karat Daun. Nilai precision dan recall seluruh kelas berada di atas 94%. Hasil ini menunjukkan bahwa integrasi CNN dalam aplikasi mobile membantu identifikasi penyakit daun jagung secara otomatis di lingkungan pendidikan.

Identifier

• DOI: https://doi.org/10.37859/coscitech.v6i2.9462
• OpenAlex: https://openalex.org/W7117417072