Akurasi Citra Image Penyakit Daun Kentang berdasarkan Citra Sehat, Citra Early Blight, dan Citra Late Blight Menggunakan Convolutional Neural Network (CNN)

Kentang merupakan salah satu produk hasil pertanian yang memiliki kandungan tepung tertinggi keempat setelah jagung, gandum, dan padi. Pengelolaan pertanian kentang menghadapi berbagai permasalahan, salah satunya adalah penyakit pada daun kentang yang dapat menyebabkan hasil produksi yang buruk hingga gagal panen jika tidak ditangani dengan tepat. Dua penyakit yang sering ditemui pada daun kentang adalah early blight dan late blight, yang masing-masing memiliki gejala serta penanganan berbeda. Proses klasifikasi penyakit yang lambat dapat menyebabkan tambahan biaya untuk perawatan. Penelitian ini memanfaatkan algoritma deep learning, yaitu Convolutional Neural Network (CNN), untuk klasifikasi citra daun kentang. Metode CNN menggunakan proses konvolusi di mana citra dipecah menjadi gambar-gambar yang lebih kecil dengan konvolusi yang sama. Hasil dari gambar-gambar kecil tersebut kemudian dimasukkan ke dalam array baru yang digunakan untuk prediksi. Data yang digunakan dalam penelitian ini berjumlah 5400 citra, terbagi menjadi tiga kelas: citra sehat, citra early blight, dan citra late blight. Hasil pengujian menunjukkan akurasi tertinggi pada data validasi sebesar 99% dengan waktu komputasi per epoch sekitar 2,5 detik. Dengan demikian, dapat disimpulkan bahwa algoritma deep learning Convolutional Neural Network (CNN) mampu melakukan proses klasifikasi penyakit pada citra daun kentang dengan sangat baik.