IMPLEMENTASI METODE DEEP LEARNING CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR RESNET-50 UNTUK KLASIFIKASI PENYAKIT PADA TANAMAN JERUK

Jeruk, sebagai buah populer dengan nilai konsumsi tinggi, merupakan komoditas hortikultura unggulan di Indonesia. Produksi jeruk sering mengalami penurunan akibat serangan hama dan penyakit, yang menjadi tantangan bagi para petani. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi jenis penyakit pada tanaman jeruk berdasarkan citra daun menggunakan metode deep learning Convolutional Neural Network (CNN) dengan arsitektur Resnet-50. Sistem yang dikembangkan diintegrasikan ke dalam aplikasi mobile. Perancangan sistem menggunakan metode CNN Resnet-50 untuk membuat model, dengan menguji berbagai pembagian data, ditemukan bahwa pembagian data 90% pelatihan dan 10% pengujain memberikan performa tertinggi dengan akurasi mencapai 95.59%. Model yang dihasilkan diintegrasikan ke dalam aplikasi mobile menggunakan TensorFlow Lite. Penelitian ini menghasilkan aplikasi mobile untuk deteksi penyakit pada tanaman jeruk, aplikasi ini memungkinkan pengguna mengambil gambar daun jeruk melalui kamera atau galeri perangkat, dan mendapatkan hasil klasifikasi penyakit. Hasil pengujian menunjukkan bahwa aplikasi dapat mengklasifikasikan jenis penyakit dengan tingkat akurasi 93,4%. Evaluasi dengan mengambil sampel gambar dari kamera dan galeri juga menunjukkan kemampuan model dalam mengenali penyakit pada tanaman jeruk. Penelitian ini diharapkan dapat memberikan kontribusi positif dalam membantu petani menghadapi tantangan hama dan penyakit, meningkatkan produktivitas tanaman jeruk, dan memberikan wawasan baru dalam menerapkan teknologi deep learning pada sektor pertanian.