OPTIMASI CONVOLUTIONAL NEURAL NETWORK (CNN) MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO) PADA KLASIFIKASI PENYAKIT TANAMAN DAUN SAWI HIJAU

• NURUL FAUZIAH
• 2025

---

Sawi Hijau (Brassica Juncea L.) merupakan komoditas hortikultuta penting di Indonesia yang dibudidayakan secara luas karean nilai ekonomis dan kandungan gizinya. Namun, produktivitasnya sering menurun akibat serangan penyakit daun, seperti daun yang kuning dan keriting yang dapat menyebabkan penurunan hasil panen hingga 25%. Identifikasi penyakit secara manual dinilai tidak efisien dan beresiko kurang akurat, sehingga diperlukan sistem klasifikasi berbasis teknologi. Penelitian ini bertujuan untuk membangun model klasifikasi penyakit daun sawi hijau menggunakan Convolutional Neural Network (CNN) yang dioptimasi dengan algoritma Particle Swarm Optimization (PSO). Cnn digunakan untuk mengenali pola visual pada citra daun, sementara PSO digunakan untuk menentukan kombinasi hyperparameter terbaik seperti learning rate, dropout rate, jumlah filter dan unit dense. Dataset yang digunakan terdiri dari tiga kelas: daun sehat, daun kuning, daun keriting yang diperoleh melalui dokumentasi pribadi. Setelah melalui tahap pemrosesan dan augmentasi, model CNN tanpa optimasai menghasilkan akurasi 85.67%. Setelah dioptimasi dengan PSO, akurasi meningkat menjadi 95.67% dengan prescision, recall dan f1-score yang mencapai 96%. Hasil ini menunjukkan bahwa integrasi CNN dan PSO dapat meningkatkan performa klasifikasi dan mendukung sistem deteksi penyakit tanaman yang lebih efisien.

• cnn
• klasifikasi
• pso
• sawi hijau

https://repository.bsi.ac.id/repo/66976/OPTIMASI-CONVOLUTIONAL-NEURAL-NETWORK-(CNN)-MENGGUNAKAN-PARTICLE-SWARM-OPTIMIZATION--(PSO)-PADA-KLASIFIKASI-PENYAKIT-TANAMAN--DAUN-SAWI-HIJAU
File full-text dikunci.