Optimalisasi Model CNN Dengan Arsitektur MobileNetV2 Pada Sistem Otomatisasi Deteksi Penyakit Tanaman Jagung Berdasarkan Citra Daun

• TSAURA HALWA QUR'ANI
• 2025

---

Jagung (Zea mays L) merupakan salah satu kondisi komoditas pangan utama di indonesia yang rentan tehadap serangan penyakit daun seperti hawar dan karat daun. Deteksi dini terhadap penyakit daun jagung sangat penting untuk mencegah kerugian hasil panen. Penelitin ini bertujuan untuk mengoptimalkan proses klasifikasi penyakit daun jagung menggunakan Convolutional Neural Network (CNN) dan arsitektur MobileNetV2 melalui pendeketan transfer learning. Dataset yang digunakan merupakan data primer berupaa citra daun jagung yang diambil d atas latar belakang putih. Optimalisasi dilakukan melalui pemanfaatan MobileNetV2 yang lebihringan namun efektif dibandingkan CNN. Model Cnn dan MobileNetV2 dievaluasi berdasarkan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa MobileNetV2 mencapai akurasi sebesar 95%, sedangkan CNN hanya mencapai 91%. Temuin ini menunjukkan bahwa MobileNetV2 memberikan peningkatan kinerja yang signifikan. Penelitian ini diharapkan menjadi acuan dalam pengembangan sistem otomatis deteksi penyakit tanaman berbasis citra digital.

• CNN
• MobileNetV2
• Klasifikasi
• Daun Jagung
• Transfer Learning.

https://repository.bsi.ac.id/repo/65621/Optimalisasi-Model-CNN-Dengan-Arsitektur-MobileNetV2-Pada-Sistem-Otomatisasi-Deteksi-Penyakit-Tanaman-Jagung-Berdasarkan-Citra-Daun
Anda dapat membaca file tugas akhir ini di repository.