Klasifikasi Citra Penyakit Daun Tomat Menggunakan Metode Convolutional Neural Network (CNN) Dengan Arsitektur VGG-19

Abstrak

Tomat dalam bahasa latin yaitu Solanum lycopersicum merupakan komoditas jenis hortikultura bernilai ekonomi tinggi di Indonesia. Produksi tomat dapat menurun akibat serangan penyakit daun yang sulit diidentifikasi secara manual karena kemiripan gejala antar penyakit. Adapun tujuan penelitian yaitu untuk menerapkan sistem klasifikasi penyakit daun tomat berbasis deep learning menggunakan arsitektur Convolutional Neural Network (CNN) VGG-19. Dataset diperoleh dari Kaggle, berisi 6.600 citra daun tomat terbagi dalam enam kelas penyakit dan satu kelas daun sehat. Tahapan penelitian meliputi preprocessing (resize, normalisasi), augmentasi data, pembagian dataset (80% latih, 20% uji), pelatihan model dengan transfer learning serta fine-tuning untuk optimasi. Evaluasi menggunakan confusion matrix dan classification report meliputi akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan model VGG-19 mencapai akurasi 97% pada data uji, dengan rata-rata presisi, recall, dan F1-score berjumlah 0,97. Hasil penelitian didapat VGG-19 efektif dalam mengidentifikasi penyakit daun tomat dan berpotensi diimplementasikan sebagai sistem deteksi berbasis web atau mobile untuk membantu petani melakukan diagnosis dini dan penanganan tepat.

Identifier

• OpenAlex: https://openalex.org/W4417421164
• DOI: https://doi.org/10.37859/coscitech.v6i3.10699