IDENTIFIKASI PENYAKIT DAUN TANAMAN KOPI ROBUSTA MENGGUNAKAN ARSITEKTUR MOBILENETV2 DENGAN ALGORITMA SUPPORT VECTOR MACHINE (SVM)

Abstract

Penyakit pada tanaman kopi robusta merupakan salah satu faktor yang dapat menurunkan kualitas dan produktivitas hasil panen. Proses identifikasi penyakit tanaman kopi robusta masih banyak dilakukan secara manual melalui pengamatan langsung, sehingga memerlukan keahlian khusus dan kurang efisien. Oleh karena itu, peneliti membangun sistem identifikasi penyakit tanaman kopi robusta berbasis citra daun menggunakan arsitektur MobileNetV2 dan algoritma Support Vector Machine (SVM). Dataset yang digunakan terdiri dari 600 citra daun kopi robusta yang diambil dari 5 kecamatan di Kota Pagar Alam, yang dibagi menjadi data training dan data validasi dengan perbandingan 80:20. Untuk memenuhi kebutuhan jumlah data, dilakukan augmentasi pada data training sehingga menghasilkan 5.000 citra.Proses pelatihan dilakukan dalam 40 epoch yang mencakup tahap fine-tuning pada 30 layer terakhir MobileNetV2 untuk mengoptimasi ekstraksi ciri. Vektor fitur tersebut kemudian digunakan sebagai input pada algoritma SVM yang dioptimasi menggunakan Grid Search. Hasil evaluasi menunjukkan model mencapai akurasi validasi sebesar 96% pada tahap pengembangan dan akurasi pengujian sistem sebesar 85% menggunakan confusion matrix. Performa ini membuktikan bahwa integrasi MobileNetV2 dan SVM mampu memberikan hasil identifikasi yang stabil dan akurat di atas target 80%.