Klasifikasi Jenis Penyakit Tanaman Cabai Menggunakan Arsitektur DenseNet201

• Published in: SINTECH (Science and Information Technology) Journal
• Main Authors: Naninda Uswatun Khasanah, Muhammad Fachrie
• Format: Article
• Language: English
• Published: Institut Bisnis dan Teknologi Indonesia 2024-12-01
• Subjects: convolutional neural network (CNN); Densenet201; klasifikasi penyakit; tanaman cabai
• Online Access: https://ejournal.instiki.ac.id/index.php/sintechjournal/article/view/1708

Tanaman cabai merupakan komoditas penting di Indonesia dengan nilai ekonomi yang signifikan. Namun, produksi cabai sering kali terganggu oleh berbagai penyakit yang dapat menurunkan hasil panen dan menyebabkan kerugian ekonomi bagi petani. Penelitian ini mengusulkan pendekatan baru dalam bentuk sistem klasifikasi otomatis penyakit cabai menggunakan arsitektur DenseNet201 yang pertama kali diterapkan pada sektor agrikultur di Indonesia, menawarkan peningkatan akurasi deteksi dibanding metode klasifikasi tradisional. Dataset yang digunakan diperoleh dari platform Kaggle dengan nama "Chili Plant Disease", terdiri dari 500 citra yang dikelompokkan ke dalam lima kelas: healthy, leaf curl, leaf spot, whitefly, dan yellowish. Model dilatih menggunakan optimizer Adam dan fungsi loss sparse_categorical_crossentropy. Hasil pelatihan menunjukkan bahwa model mencapai akurasi tertinggi sebesar 90% pada epoch ke-150 dengan nilai loss terendah 0.0426. Pada pengujian dengan data uji, model mencapai akurasi sebesar 84%. Sistem klasifikasi ini diharapkan dapat membantu petani mendeteksi penyakit secara cepat dan akurat, memungkinkan tindakan pencegahan yang lebih efektif serta meningkatkan produktivitas dan kualitas hasil panen cabai di Indonesia.