PENERAPAN CONVOLUTION NEURAL NETWORK (CNN) UNTUK KLASIFIKASI PENYAKIT PADA TANAMAN VANILI MENGGUNAKAN ARSITEKTUR MOBILENETV2

• MUHAMMAD IHSAN PERMANA
• 2025

---

Vanili merupakan komoditas hortikultura bernilai ekonomi tinggi yang memiliki peran strategis dalam ekspor pertanian Indonesia. Namun, budidayanya masih menghadapi ancaman penyakit seperti busuk batang akibat infeksi jamur Fusarium. Hasil observasi lapangan di kebun vanili Jayawangi, Kalapanunggal, Sukabumi, menunjukkan bahwa proses identifikasi penyakit masih dilakukan secara visual tanpa bantuan teknologi. Penelitian ini bertujuan mengembangkan model klasifikasi penyakit tanaman vanili berbasis citra daun dan batang menggunakan Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Dataset terdiri dari 2.000 citra hasil dokumentasi lapangan yang dikategorikan ke dalam empat kelas: sehat, bercak merah, bercak hitam, dan busuk batang, masing-masing 500 citra. Citra dibagi menjadi 70% untuk data Training (1400 citra), 15% untuk data Validation (300 citra) 15% untuk data Testing (300 citra). Tahapan preprocessing meliputi resize, normalisasi, dan augmentasi data. Hasil pelatihan menunjukkan akurasi uji sebesar 92,7% pada 50 epoch dan meningkat menjadi 95,7% pada 100 epoch. Confusion Matrix menunjukkan bahwa sebagian besar kesalahan terjadi antara kelas bercak merah dan hitam. Meskipun pelatihan 100 epoch menghasilkan akurasi sedikit lebih tinggi, pelatihan 50 epoch dianggap lebih seimbang antara waktu komputasi dan akurasi prediksi, sehingga lebih efisien dan praktis diterapkan di lapangan. Model terbukti mampu mendeteksi penyakit tanaman vanili secara akurat dan ringan.

• Tanaman Vanili
• Deteksi Penyakit
• Convolutional Neural Network
• MobileNetV2
• Citra Digital

https://repository.bsi.ac.id/repo/72484/PENERAPAN-CONVOLUTION-NEURAL-NETWORK-(CNN)-UNTUK-KLASIFIKASI-PENYAKIT-PADA-TANAMAN--VANILI-MENGGUNAKAN-ARSITEKTUR--MOBILENETV2
Anda dapat membaca file tugas akhir ini di repository.