Identifikasi Penyakit Tanaman Berdasarkan Citra Daun Berbasis Web dengan Pendekatan Algoritma Convolutional Neural Network

Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi penyakit tanaman sawi menggunakan metode Convolutional Neural Network (CNN) yang diintegrasikan ke dalam platform berbasis web. Klasifikasi dilakukan terhadap tiga kelas, yaitu Daun Sawi Bercak,Daun Sawi Busuk, Daun Sawi Sehat, dengan penambahan kelas Bukan Daun Sawi sebagai kelas distraktor guna menguji ketahanan model terhadap citra yang tidak termasuk dalam kategori klasifikasi utama. Dataset yang digunakan terdiri dari 800 citra, masing-masing 200 gambar per kelas. Model CNN dibangun dengan arsitektur sequential yang terdiri dari beberapa lapisan konvolusi, pooling, dropout, dan dense, serta menggunakan fungsi aktivasi ReLU dan softmax pada lapisan output. Proses pelatihan dilakukan hingga 100 epoch, namun dengan penggunaan callback berupa EarlyStopping, pelatihan berhenti pada epoch ke-60, dengan performa terbaik (best epoch) tercapai pada epoch ke-32. Evaluasi model pada data uji menunjukkan akurasi sebesar 93,75%, dengan nilai precision, recall, dan F1-score yang tinggi di masing-masing kelas. Model kemudian diimplementasikan ke dalam antarmuka web sehingga pengguna dapat mengunggah gambar daun dan memperoleh hasil klasifikasi secara otomatis. Hasil penelitian ini menunjukkan bahwa CNN efektif dalam mendeteksi penyakit daun sawi dan memiliki potensi untuk diterapkan sebagai alat bantu diagnosa berbasis citra digital di bidang pertanian. Kata kunci: klasifikasi citra, CNN, penyakit tanaman, daun sawi, website.