KLASIFIKASI PENYAKIT DAUN TOMAT MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR VGG16

• EXSAN TRESNA FIRDAUS
• 2024

---

Penyakit daun tomat merupakan ancaman serius yang dapat menghambat produksi dan menyebabkan kerugian besar. Convolutional Neural Network (CNN) dipilih karena kemampuannya dalam mengekstraksi karakteristik penting dari gambar secara otomatis. Dataset yang digunakan berasal dari Kaggle dan mencakup tiga jenis penyakit utama: American Leaf Miner, Magnesium Deficiency, dan Serpentine Leaf Miner. Proses penelitian meliputi pengumpulan dan preprocessing data, pelatihan model, serta evaluasi kinerja model menggunakan matriks yang ternormalisasi. Hasil penelitian menunjukkan bahwa model CNN dengan arsitektur VGG 16 mampu mengklasifikasikan penyakit daun tomat dengan akurasi 85 %, mencapai tingkat keandalan yang diharapkan. Evaluasi model menunjukkan nilai  akurasi 89% untuk American Leaf Miner, 93% untuk Magnesium Deficiency, dan 74% untuk Serpentine Leaf Miner.

• Convolutional Neural Network
• Klasifikasi
• VGG16

https://repository.bsi.ac.id/repo/56897/KLASIFIKASI-PENYAKIT-DAUN-TOMAT-MENGGUNAKAN-CONVOLUTIONAL-NEURAL-NETWORK-DENGAN-ARSITEKTUR-VGG16
File full-text dikunci.