KLASIFIKASI PENYAKIT DAN HAMA PADA DAUN MANGGA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK

Abstract

Mangga (Mangifera indica L.) merupakan komoditas ekspor unggulan Indonesia dengan produksi yang terus bertambah, produktivitasnya sering terhambat oleh serangan hama dan penyakit. Mengingat identifikasi manual gejala pada daun seringkali sulit dan memerlukan keahlian, penelitian ini bertujuan mengembangkan sistem klasifikasi hama dan penyakit daun mangga yang lebih cepat dan efisien menggunakan algoritma Deep Learning—khususnya arsitektur CNN AlexNet. Berdasarkan penelitian yang telah dilakukan model CNN AlexNet mampu mengklasifikasikan hama dan penyakit daun mangga dengan cukup baik, Model CNN dikembangkan dengan pembagian data 60:40, 70:30, dan 80:20 menggunakan hyperparameters batch size 64, epoch 50, Learning Rate , dan optimasi Adam. Hasil penelitian terbaik diperoleh dengan ratio 80:20 mencapai akurasi sebesar 0.9811, akurasi validasi 0.9481, Loss 0.0616, Validation Loss 0.1422 dengan konfigurasi learning rate , yang optimal dan epoch 50. Model yang sudah dilatih berhasil diterapkan berbasis website dengan Streamlit, memungkinkan deteksi otomatis serta penyediaan informasi detail mengenai hama dan penyakit.