PENERAPAN DEEP LEARNING UNTUK DETEKSI DINI PENYAKIT TANAMAN CENGKEH BERBASIS CITRA DIGITAL PADA WILAYAH PERKEBUNAN TRADISIONAL DI MALUKU

Abstract

Penelitian ini bertujuan menerapkan metode deep learning untuk deteksi dini penyakit tanaman cengkeh di perkebunan tradisional Maluku. Permasalahan yang diangkat adalah rendahnya efektivitas deteksi penyakit pada tanaman cengkeh, yang dapat mengancam produktivitas. Dengan menggunakan dataset citra daun cengkeh, model dilatih untuk mengklasifikasikan kondisi tanaman sehat dan yang terkena penyakit. Metode yang digunakan menunjukkan penurunan konsisten pada training loss dan validation loss, menandakan proses pembelajaran yang efektif. Hasil penelitian menunjukkan akurasi validasi di atas 95%, dengan kurva stabil tanpa fluktuasi tajam. Evaluasi menggunakan confusion matrix menunjukkan kinerja seimbang dalam membedakan kedua kelas, dengan recall Class 0 mencapai 0,95 dan precision Class 1 juga di angka 0,95. Kedua kelas memperoleh nilai F1-score setara (0,93) dan akurasi keseluruhan 0,93. Kesimpulan menunjukkan bahwa model deep learning ini efektif dalam mendeteksi kondisi sehat dan penyakit pada tanaman cengkeh, serta dapat mendukung sistem deteksi dini di sektor pertanian. Untuk peningkatan performa, disarankan penyesuaian jumlah epoch dan penerapan strategi data augmentasi.