Implementasi Metode Convolutional Neural Network Untuk Deteksi Penyakit Pada Tanaman Kopi Arabika Melalui Citra Daun Berbasis Android

Abstract

Penyakit pada tanaman kopi arabika merupakan masalah serius yang dapat menyebabkan kerugian bagi petani jika tidak terdeteksi dan ditangani secara tepat waktu. Dalam penelitian ini, digunakan metode Convolutional Neural Network (CNN) untuk mendeteksi penyakit pada tanaman kopi arabika. Metode CNN dipilih karena kemampuannya dalam memproses data citra dan mempelajari pola yang kompleks, terutama dalam konteks identifikasi penyakit pada tanaman. Dataset yang digunakan berupa citra daun kopi arabika yang dikategorikan menjadi tiga kelas: Penyakit Bercak Daun, Karat Daun, dan Daun Sehat dengan jumlah total 2829 citra daun yang kemudian dibagi dengan skenario 80:20 untuk data latih dan data uji. Pada penelitian ini dilakukan pengujian hyperparameter dengan memvariasikan jumlah epoch, nilai batch size dan optimizer. Hasil penelitian menunjukkan bahwa peningkatan jumlah epoch dan nilai batch size berdampak terhadap akurasi model CNN. Dari pengujian hyperparameter didapatkan model optimum dengan menggunakan 50 epoch, batch size 32, dan optimizer Adam yang mencetak akurasi sebesar 94.33% pada proses pengujian.