Deteksi Penyakit Daun Kapas Dengan Deep Learning Berbasis Convolutional Neural Network (CNN)

Abstrak

Penelitian ini mengembangkan model kecerdasan buatan dengan algoritma Convolutional Neural Network (CNN) untuk mendeteksi penyakit pada daun kapas secara akurat dan otomatis. Metode konvensional seperti observasi visual seringkali tidak efektif dalam mengidentifikasi penyakit tanaman. Dengan menggunakan pendekatan deep learning, khususnya CNN, penyakit seperti Fusarium Wilt dan Bacterial Blight dapat diidentifikasi secara otomatis dan akurat melalui analisis citra daun kapas. Teknologi ini memungkinkan tindakan pencegahan lebih cepat untuk meminimalisir kerugian serta mendukung pengambilan keputusan berbasis data. Penelitian ini dilakukan melalui tahapan: pengumpulan data gambar daun kapas, preprocessing, modelling, analisis, dan evaluasi model menggunakan confusion matrix dan kurva ROC. Dengan dataset berisi 4.778 gambar dari enam kelas kondisi daun, model mencapai akurasi pelatihan 97% dan validasi 90% setelah 20 epoch, serta hasil evaluasi menunjukkan kinerja klasifikasi yang sangat baik dengan nilai precision, recall, f1-score yang tinggi, dengan nilai Area Under Curve (AUC) mendekati 1. Model ini mampu mendeteksi penyakit berdasarkan fitur visual dan memberikan hasil klasifikasi real-time, membuktikan bahwa CNN efektif dalam membantu identifikasi dini penyakit tanaman kapas.