MENDETEKSI DAN MENGKLASIFIKASI PENYAKIT DAUN PADA TANAMAN JAGUNG MENGGUNAKAN JARINGAN SARAF KONVOLUSIONAL

Abstract

Penyakit yang menyerang daun jagung dapat berdampak negatif terhadap kualitas dan hasil pertanian, sehingga deteksi dini sangat diperlukan untuk mengurangi kerugian yang disebabkan oleh infeksi tersebut. Penelitian ini bertujuan untuk mengembangkan model klasifikasi berbasis teknologi deep learning untuk mendeteksi penyakit pada daun jagung. Model yang digunakan dalam penelitian ini adalah Convolutional Neural Network (CNN) yang memanfaatkan pendekatan transfer learning dengan arsitektur VGG16. Dataset yang digunakan terdiri dari 150 citra daun jagung yang dikelompokkan dalam tiga kategori, yaitu bercak daun, hawar daun, dan daun sehat, masing-masing berjumlah 50 citra. Hasil evaluasi menunjukkan bahwa model yang dikembangkan memiliki tingkat akurasi sebesar 89,33%, dengan nilai precision, recall, dan F1-score berturut-turut adalah 89,26%, 88,66%, dan 88,96%. Hal ini menunjukkan bahwa model mampu mengklasifikasikan gambar dengan baik, meskipun ada beberapa kesulitan dalam membedakan kelas bercak daun dan daun sehat. Secara keseluruhan, model ini menunjukkan potensi yang besar untuk diterapkan dalam sistem pemantauan kesehatan tanaman jagung secara otomatis dan real-time, yang dapat membantu petani dalam mengambil keputusan yang lebih cepat dan tepat