IDENTIFIKASI PENYAKIT TANAMAN KENTANG MENGGUNAKAN CONVOLUTION NEURAL NETWORK DENGAN ARSITEKTUR RESNET50

Abstrak

Kentang merupakan komoditas pangan penting yang produksinya sering terhambat oleh penyakit daun seperti penyakit busuk daun dini dan busuk daun akhir, yang berdampak pada kualitas dan hasil panen. Untuk membantu deteksi dini penyakit-penyakit ini, penelitian ini bertujuan untuk mengembangkan model identifikasi penyakit daun kentang berbasis Convolutional Neural Network (CNN) dengan arsitektur ResNet50. Dataset yang digunakan bersumber dari Kaggle dan terdiri dari citra daun kentang yang sehat, penyakit busuk daun dini, dan penyakit busuk daun akhir, yang menjalani tahap pra-pemrosesan dan augmentasi sebelum digunakan dalam pelatihan, validasi, dan pengujian. Model ResNet50 dilatih menggunakan optimizer Adam, dengan evaluasi berdasarkan matriks konfusi untuk mengukur akurasi, presisi, recall, dan skor F1. Hasil penelitian menunjukkan bahwa model mencapai akurasi sebesar 33,3%, dengan nilai presisi dan recall yang rendah untuk kelas-kelas tertentu, yang menunjukkan keterbatasan dalam generalisasi model ke data independen. Temuan ini menunjukkan bahwa meskipun CNN dengan ResNet50 dapat diterapkan untuk identifikasi penyakit daun kentang, kinerjanya masih jauh dari optimal, sehingga memerlukan pengembangan lebih lanjut, seperti meningkatkan jumlah data, menyesuaikan parameter pelatihan, atau menggabungkan metode lain untuk meningkatkan kinerja model dalam aplikasi dunia nyata.