Klasifikasi Penyakit Ubi Jalar Berbasis Citra Daun Menggunakan Algoritma Convolutional Neural Network Dengan Metode Transfer Learning

Abstract

Ubi jalar (Ipomoea batatas) merupakan tanaman bernilai gizi tinggi yang dapat tumbuh dalam berbagai kondisi tanah dan iklim, namun rentan terhadap penyakit daun yang dapat menurunkan produksi dan kualitasnya. Penelitian ini menggunakan teknologi berbasis kecerdasan buatan, yakni algoritma Convolutional Neural Network (CNN), untuk mengenali gejala penyakit daun ubi jalar guna mendukung tindakan pengendalian dini. Desain penelitian memanfaatkan Unified Modeling Language (UML) yang mencakup Use Case Diagram, Activity Diagram, dan Sequence Diagram, serta dibangun menggunakan bahasa pemrograman Python dengan framework Flask dan database MySQL. Dataset dibagi menjadi data latih dan data uji dengan rasio 80:20, dan klasifikasi penyakit mencakup Penyakit Ceratoma Trifurcata, Penyakit Daun Bintik, Penyakit Daun Kuning, Penyakit Daun Malformasi, dan Daun Sehat. Hasil penelitian menunjukkan bahwa percobaan kesembilan dengan konfigurasi batch 64 dan epoch 30 memberikan akurasi terbaik sebesar 67%, dengan nilai precision, recall, dan F1-score yang tinggi. Pengujian akhir menggunakan Confusion Matrix mengungkapkan bahwa sistem mampu mencapai akurasi 88%, dengan 22 dari 25 prediksi sesuai dengan kelas aktual.