IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK (CNN ) UNTUK KLASIFIKASI PENYAKIT DAUN PADA SAYUR KANGKUNG

Abstract

Kangkung merupakan komoditas hortikultura dengan tingkat konsumsi tinggi dan berperan penting dalam pemenuhan gizi masyarakat. Namun, produktivitasnya sering menurun akibat serangan penyakit daun seperti bercak daun, karat putih, dan virus mosaik. Identifikasi penyakit yang masih dilakukan secara manual menyebabkan proses menjadi kurang efisien dan rentan terhadap kesalahan. Oleh karena itu, penelitian ini bertujuan mengembangkan model berbasis Convolutional Neural Network (CNN) untuk mengklasifikasikan penyakit daun kangkung secara akurat serta mengimplementasikannya dalam sistem berbasis website. Metode yang digunakan adalah CNN dengan arsitektur MobileNetV2 berbasis transfer learning, dilengkapi dengan tahap preprocessing citra dan evaluasi menggunakan K-Fold Cross Validation (K=5). Kinerja model diukur menggunakan confusion matrix, accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model mampu mengklasifikasikan empat kelas daun kangkung dengan rata-rata akurasi sebesar 87,4% dan performa terbaik mencapai 90%. Model terbaik juga berhasil diimplementasikan dalam sistem berbasis Flask dan mampu melakukan klasifikasi secara real-time dengan akurasi pengujian sebesar 90%. Hasil ini menunjukkan bahwa metode CNN efektif untuk deteksi penyakit daun kangkung secara efisien dan akurat