Lewati ke konten
SDGs Center UDINUS

Catatan bukti · UDINUS · SDGs

Perbandingan Kinerja Convolutional Neural Network dan MobileNetV2 untuk Klasifikasi Penyakit Cabai

Rektorat UDINUS 2023 Terbit 2026-10-30

Catatan bukti · UDINUS · SDGs

Unit
Rektorat UDINUS
Periode
2023
Tujuan
Nomor
af2a8f53-2d28-4b7d-97d5-575b3660d100
Terbit
2026-10-30

Universitas Dian Nuswantoro melaksanakan penelitian mengenai klasifikasi penyakit tanaman cabai dengan membandingkan kinerja algoritma Convolutional Neural Network dengan model berbasis MobileNetV2 yang telah dilatih sebelumnya. Kegiatan ini melibatkan Ramadhani, Achmad Naila Muna; Saraswati, Galuh Wilujeng; Agung, Rama Tri; dan Santoso, Heru Agus sebagai peserta penelitian.

Penelitian tersebut membahas pentingnya cabai sebagai komoditas pertanian di Indonesia dan perannya dalam pertumbuhan ekonomi nasional. Sumber menyatakan bahwa permintaan dari rumah tangga dan industri mencapai hingga 61%. Permintaan tersebut menunjukkan perlunya intensifikasi pemantauan, khususnya terhadap penyakit tanaman cabai yang dapat sangat memengaruhi hasil produksi. Apabila penyakit tidak segera ditangani, penyakit tersebut dapat menyebabkan penurunan tingkat produksi yang dapat memberikan dampak negatif terhadap perekonomian.

Kegiatan ini mengkaji pemantauan otomatis menggunakan pengolahan citra. Sumber mengidentifikasi penyakit menguning pada daun cabai, penyakit keriting pada daun cabai, bercak daun cercospora, dan kekurangan Magnesium sebagai penyakit umum pada tanaman cabai. Gejalanya dapat diamati melalui bentuk dan warna daun. Penelitian membandingkan algoritma CNN dan model berbasis MobileNetV2 yang telah dilatih sebelumnya untuk klasifikasi penyakit dengan menggunakan confusion matrix untuk menilai kinerja.

Penelitian melaporkan bahwa model MobileNetV2 yang dilatih dengan learning rate 0,001 menghasilkan model yang lebih optimal. Model tersebut mencapai akurasi 90%. Berdasarkan perhitungan confusion matrix, nilai persentase rata-rata untuk recall, precision, dan F1 score adalah 92%. Temuan ini menyoroti potensi pengolahan citra dan model yang telah dilatih sebelumnya untuk mendukung pemantauan penyakit tanaman dan meningkatkan produksi cabai. Kegiatan ini membingkai penelitian institusional pada pemantauan pertanian melalui klasifikasi berbasis citra.

Rujukan https://www.scopus.com/pages/publications/105003064163?origin=resultslist