KLASIFIKASI PENYAKIT DAUN ALPUKAT MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS CITRA

Abstract

Tanaman alpukat memiliki nilai ekonomi yang tinggi, tetapi sangat mudah terkena berbagai penyakit seperti antraknosa, bercak coklat, bercak kuning, dan daun keriting yang dapat menurunkan mutu serta jumlah hasil panen. Deteksi penyakit dengan cara tradisional yang masih dilakukan secara manual oleh petani sering kali tidak akurat dan memakan waktu yang cukup lama, sehingga dibutuhkan sistem otomatis yang mampu dengan cepat dan tepat mengidentifikasi penyakit. Penelitian ini bertujuan untuk merancang sistem klasifikasi penyakit pada daun alpukat berbasis citra menggunakan metode Convolutional Neural Network (CNN), yang dapat secara otomatis mengenali pola visual pada daun. Metode penelitian meliputi pengumpulan data primer yang terdiri dari citra daun alpukat yang dibagi menjadi tiga bagian, yaitu data pelatihan, validasi, dan pengujian dengan proporsi masing-masing 80%, 10%, dan 10%. Proses pre-processing dilakukan dengan menggunakan ImageDataGenerator untuk augmentasi data, sementara arsitektur CNN dikembangkan menggunakan TensorFlow dan Keras dengan optimisasi AdamW. Hasil dari pengujian menunjukkan bahwa model CNN yang dibuat mampu mencapai akurasi 92%, yang menunjukkan kinerja yang baik dalam mengklasifikasikan jenis penyakit pada daun alpukat tanpa tanda-tanda overfitting. Sistem ini diterapkan dalam bentuk aplikasi berbasis web yang memungkinkan pengguna untuk mengunggah citra daun dan mendapatkan deteksi secara otomatis. Dengan demikian, sistem ini diharapkan dapat membantu petani dan kalayak umum dalam mendeteksi penyakit pada tanaman alpukat lebih awal sehingga dapat meningkatkan produktivitas dan kualitas hasil panen