KLASIFIKASI PENYAKIT UBI JALAR BERBASIS CITRA DAUN MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK DENGAN METODE TRANSFER LEARNING

Ubi jalar, dikenal dengan nama ilmiah Ipomoea Batatas, merupakan tanaman
bernilai gizi tinggi yang dapat tumbuh dalam berbagai kondisi tanah dan iklim.
Namun, penyakit seperti penyakit daun dapat menurunkan produksi dan kualitas
ubi jalar. Teknologi berbasis kecerdasan buatan, seperti Convolutional Neural
Network (CNN), merupakan solusi untuk mengenali penyakit daun ubi jalar yang
menunjukkan gejala penyakit, sehingga tindakan pengendalian dapat segera
dilakukan untuk mencegah kerugian lebih lanjut.
Desain penelitian yang digunakan adalah Unified Modeling Language
(UML) yang meliputi Usecase Diagram, Activity, dan Sequence Diagram. Aplikasi
ini dibangun dengan menggunakan algoritma CNN serta bahasa Pemrograman yang
digunakan adalah Python dengan framework Flask digabung dengan database
MySQL. Dataset yang digunakan dibagi menjadi dua bagian, yaitu data train dan
data test dengan rasio 80:20.
Dari hasil penelitian yang dilakukan menunjukkan bahwa penggunaan
algoritma Convolutional Neural Network (CNN) untuk klasifikasi penyakit daun
ubi jalar dari kelas yang digunakan sebagai sampel yaitu Penyakit Ceratoma
Trifurcata, Penyakit Daun Bintik, Penyakit Daun Kuning, Penyakit Daun
Malformasi, dan Daun Sehat, sistem menunjukkan akurasi yang baik dalam
mengidentifikasi jenis penyakit pada daun. Percobaan kesembilan, dengan
konfigurasi batch 64 dan epoch 30, memberikan hasil baik dengan nilai precision,
recall, F1-score, dan akurasi yang lebih tinggi dibandingkan percobaan lainnya,
yaitu mencapai akurasi sebesar 67%. Pengujian akhir menggunakan Confusion
Matrix menunjukkan bahwa sistem mampu mencapai akurasi 88%, dengan 22 dari
25 prediksi sesuai dengan kelas aktual.