PENERAPAN FITUR EKSTRAKSI FUZZY LOCAL BINARY PATTERN (FLBP) DAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK DETEKSI PENYAKIT PADA TANAMAN

STUDI KASUS TANAMAN SELADA HIDROPONIK PADA LABORATORIUM KULTUR JARINGAN YAHDI MEDAN

Abstract

Tanaman selada merupakan salah satu komoditas hortikultura yang rentan terhadap serangan penyakit daun yang dapat menurunkan kualitas dan hasil panen. Deteksi penyakit secara manual memerlukan keahlian khusus dan waktu yang tidak efisien, sehingga dibutuhkan sistem otomatis berbasis citra digital. Penelitian ini bertujuan mengembangkan sistem informasi deteksi penyakit daun selada menggunakan metode Fuzzy Local Binary Pattern (FLBP) sebagai ekstraksi fitur tekstur dan Convolutional Neural Network (CNN) untuk klasifikasi citra. Dataset terdiri dari 330 gambar daun selada yang terbagi dalam tiga kelas: daun sehat, daun bercak, dan daun busuk. Proses ekstraksi menghasilkan vektor histogram berdimensi sepuluh untuk setiap citra, yang digunakan dalam pelatihan model CNN dengan arsitektur Functional, lapisan Concatenate, Dropout, dan Dense, serta fungsi aktivasi ReLU dan Softmax. Pelatihan dilakukan selama 60 epoch dengan EarlyStopping untuk mencegah overfitting. Hasil evaluasi menunjukkan akurasi mencapai 93,94% dengan nilai precision, recall, dan F1-score tinggi di setiap kelas. Model kemudian diintegrasikan ke dalam antarmuka web yang memungkinkan pengguna mengunggah citra daun dan memperoleh hasil klasifikasi secara otomatis.