PEMANFAATAN CNN DENGAN ARSITEKTUR MOBILENETV2 UNTUK KLASIFIKASI PENYAKIT PADA DAUN CENGKEH

Abstract

Tanaman cengkeh merupakan salah satu komoditas perkebunan penting di Indonesia. Hasil panennya menjadi penggerak utama perekonomian yang sangat membantu kesejahteraan ekonomi petani. Namun, produktivitas cengkeh rentan terhadap serangan hama dan penyakit daun yang berisiko memicu gagal panen. Apabila gagal panen terjadi, petani akan mengalami kerugian signifikan yang mengakibatkan perekonomian mereka tidak bergerak. Masalah ini diperparah oleh identifikasi penyakit secara manual yang terkendala keterbatasan pengetahuan petani. Oleh karena itu, penelitian ini bertujuan mengklasifikasikan penyakit daun cengkeh menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Dataset diperoleh langsung melalui pengambilan gambar di lapangan, terdiri dari lima kelas yaitu daun sehat, bercak daun, embun jelaga, cacar daun, dan kutu putih dengan total 802 citra. Data dibagi menjadi 80% data training dan 20% data validasi. Penelitian menggunakan ukuran citra 512×512 piksel, data augmentation, dan optimizer Adam dengan learning rate 0.0001. Hasil pengujian menunjukkan model memperoleh akurasi training sebesar 87% dan akurasi validasi sebesar 86%. Kelas bercak daun memperoleh performa terbaik dengan nilai f1-score sebesar 89%, sedangkan kelas embun jelaga dan cacar daun masih mengalami keterbatasan akibat jumlah dataset yang lebih sedikit dan kemiripan visual antar kelas. Hasil penelitian menunjukkan bahwa MobileNetV2 mampu digunakan untuk klasifikasi penyakit daun cengkeh dengan performa yang cukup baik