Identifikasi Penyakit Bercak Daun Kelapa Sawit Menggunakan Algoritma CNN dengan Arsitektur VGG19 Berbasis Citra Digital

Abstrak

Penelitian ini bertujuan untuk mengembangkan sistem identifikasi penyakit bercak daun pada tanaman kelapa sawit berbasis citra digital dengan memanfaatkan algoritma CNN (Convolutional Neural Network) menggunakan arsitektur VGG19. Dataset yang digunakan terdiri atas 330 citra daun kelapa sawit primer yang dikategorikan ke dalam tiga kelas, yaitu daun terinfeksi karat daun, daun sehat, dan daun terinfeksi curvularia dengan proporsi pembagian dataset menjadi 64% data latih, 16% data validasi, dan 20% data uji. Proses pengembangan sistem meliputi tahap preprocessing, augmentasi data, split data, pelatihan model dengan arsitektur VGG19 dan evaluasi model. Hasil pelatihan model sebanyak 200 epoch menunjukkan akurasi sebesar 0,93 pada data latih dan 0,98 pada data validasi. Kemudian evaluasi model terhadap data uji menghasilkan nilai precision, recall, dan F1-score masing-masing sebesar 0,94, 0,81, dan 0,87 untuk kelas “Karat Daun”, 0,84, 0,95, dan 0,89 untuk kelas “Daun Sehat”, serta 1,00 untuk kelas “Curvularia”. Hasil pengujian menunjukkan performa yang konsisten, sehingga sistem usulan dinilai efektif dalam melakukan klasifikasi penyakit bercak daun kelapa sawit. Sistem usulan yang dikembangkan berpotensi digunakan sebagai alat bantu deteksi dini penyakit bercak daun guna mendukung peningkatan produktivitas tanaman kelapa sawit.

Identifier

• DOI: https://doi.org/10.70609/jusifor.v4i2.8391
• OpenAlex: https://openalex.org/W7118067004