Penerapan Convolutional Neural Network (CNN) untuk Klasifikasi Penyakit Daun Tomat

Authors

  • Wahyuni Fithratul Zalmi Universitas Sam Ratulangi
  • Pujo Hari Saputro Universitas Sam Ratulangi
  • Jonathan Sitanggang Universitas Sam Ratulangi
  • Kevin Leatemia Universitas Sam Ratulangi

DOI:

https://doi.org/10.52958/iftk.v21i2.11094

Keywords:

Penyakit_Daun, Deep_Learning, Convolutional_Neural_Network, Pertanian

Abstract

Penyakit pada daun tomat merupakan salah satu masalah utama dalam pertanian yang dapat menyebabkan penurunan hasil panen dan kualitas tanaman. Deteksi dini dan akurat terhadap penyakit ini sangat penting untuk menghindari kerugian yang lebih besar. Dalam penelitian ini, kami mengembangkan sistem klasifikasi penyakit daun tomat menggunakan teknik deep learning dengan arsitektur Convolutional Neural Network (CNN). Dataset yang digunakan terdiri dari gambar daun tomat dalam beberapa kategori penyakit, yang kemudian diproses menggunakan data augmentation untuk meningkatkan jumlah dan variasi data pelatihan. Model CNN yang dibangun terdiri dari beberapa lapis konvolusi dan max-pooling, diikuti oleh lapis dens (dense layer) untuk mengklasifikasikan gambar ke dalam 10 kategori penyakit. Hasil penelitian menunjukkan bahwa model yang dikembangkan mencapai akurasi sekitar 95.84% pada dataset validasi, dengan kemampuan yang baik dalam membedakan berbagai jenis penyakit. Analisis matriks kekacauan (confusion matrix) menunjukkan bahwa model memiliki performa yang konsisten dalam mengklasifikasikan penyakit, meskipun ada beberapa kesalahan klasifikasi pada kategori tertentu. Sistem ini dapat menjadi alat bantu yang efektif bagi petani dan peneliti untuk mendeteksi penyakit daun tomat secara akurat dan efisien.

References

R. C. Sigitta, R. H. Saputra, and F. Fathulloh, “Deteksi Penyakit Tomat melalui Citra Daun menggunakan Metode Convolutional Neural Network,” AVITEC, vol. 5, no. 1, p. 43, Feb. 2023, doi: 10.28989/avitec.v5i1.1404.

G. Chopra and P. Whig, “Analysis of Tomato Leaf Disease Identification Techniques,” Journal of Computer Science and Engineering (JCSE), vol. 2, no. 2, pp. 98–103, Aug. 2021, doi: 10.36596/jcse.v2i2.171.

R. H. Putra, H. M. Ridwan, I. Abiansyah, and T. Agustin, “SEMINAR NASIONAL AMIKOM SURAKARTA (SEMNASA) 2024 KLASIFIKASI DAUN TOMAT SEHAT DAN TERSERANG PENYAKIT MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)”, [Online]. Available: https://www.kaggle.com/datasets/kaustubhb999/tomatoleaf.

R. Soekarta, N. Nurdjan, and A. Syah, “Klasifikasi Penyakit Tanaman Tomat Menggunakan Metode Convolutional Neural Network (CNN),” vol. 8, no. 2, 2023.

A. Nurdin, D. Satria, Y. Kartika, A. Rezha, and E. Najaf, “Klasifikasi Penyakit Daun Tomat Dengan Metode Convolutional Neural Network Menggunakan Arsitektur Inception-V3 KATA KUNCI Daun Tomat Convolutional Neural Network Klasifikasi Inception V3 KORESPONDENSI.”

D. Hemalatha and A. Begum, “Image Identification and Classification Using CNN,” 2021.

S. Auliaddina and T. Arifin, “SISTEMASI: Jurnal Sistem Informasi Penggunaan Data Augmentasi dan Hyperparameter Tuning dalam Klasifikasi Jenis Batik menggunakan Model CNN Use of Augmentation Data and Hyperparameter Tuning in Batik Type Classification Using the CNN Model.” [Online]. Available: http://sistemasi.ftik.unisi.ac.id

C. Shorten and T. M. Khoshgoftaar, “A survey on Image Data Augmentation for Deep Learning,” J Big Data, vol. 6, no. 1, Dec. 2019, doi: 10.1186/s40537-019-0197-0.

Q. Wang, F. Qi, M. Sun, J. Qu, and J. Xue, “Identification of Tomato Disease Types and Detection of Infected Areas Based on Deep Convolutional Neural Networks and Object Detection Techniques,” Comput Intell Neurosci, vol. 2019, 2019, doi: 10.1155/2019/9142753.

D. L. Shanthi, K. Vinutha, N. Ashwini, and S. Vashistha, “Tomato Leaf Disease Detection Using CNN,” in Procedia Computer Science, Elsevier B.V., 2024, pp. 2975–2984. doi: 10.1016/j.procs.2024.04.281.

M. V. Sanida, T. Sanida, A. Sideris, and M. Dasygenis, “An Efficient Hybrid CNN Classification Model for Tomato Crop Disease,” Technologies (Basel), vol. 11, no. 1, Feb. 2023, doi: 10.3390/technologies11010010.

N. Awalia and A. Primajaya, “IDENTIFIKASI PENYAKIT LEAF MOLD DAUN TOMAT MENGGUNAKAN MODEL DENSENET121 BERBASIS TRANSFER LEARNING,” vol. 8, no. 1, 2022, [Online]. Available: http://ejournal.fikom-unasman.ac.id

M. Astiningrum, P. Prima Arhandi, N. Aqmarina Ariditya, J. Teknologi Informasi, and P. Negeri Malang, “JIP (Jurnal Informatika Polinema) IDENTIFIKASI PENYAKIT PADA DAUN TOMAT BERDASARKAN FITUR WARNA DAN TEKSTUR”.

L. Li, S. Zhang, and B. Wang, “Plant Disease Detection and Classification by Deep Learning - A Review,” 2021, Institute of Electrical and Electronics Engineers Inc. doi: 10.1109/ACCESS.2021.3069646.

P. Baser, J. R. Saini, and K. Kotecha, “TomConv: An Improved CNN Model for Diagnosis of Diseases in Tomato Plant Leaves,” in Procedia Computer Science, Elsevier B.V., 2023, pp. 1825–1833. doi: 10.1016/j.procs.2023.01.160.

A. Yoggyanto, A. Maulana, and D. A. Tri Cahyo, “Penerapan Metode Convolutional Neural Network (CNN) Dalam Klasifikasi Penyakit Tanaman Jagung.”

C. R. Kotta, D. Paseru, M. Sumampouw, T. Informatika, U. Katolik De La Salle Manado, and K. I. Kombos Manado -, “Implementasi Metode Convolutional Neural Network untuk Mendeteksi Penyakit pada Citra Daun Tomat Implementation of Convolutional Neural Network Method to Detect Diseases in Tomato Leaf Image.”

​[A. Maysela, N. Rohma, and N. Penulis:, “Diagnosa Penyakit Tanaman Tomat pada Citra Daun Menggunakan Metode Convolutional Neural Network (CNN),” JIMU, 2024.

P. Mishra, A. Biancolillo, J. M. Roger, F. Marini, and D. N. Rutledge, “New data preprocessing trends based on ensemble of multiple preprocessing techniques,” Nov. 01, 2020, Elsevier B.V. doi: 10.1016/j.trac.2020.116045.

K. Dillliwar, S. Mandal, N. Sahu, M. K. Shriwas, and R. Lanjewar, “Plant Disease Detection Using Convolutional Neural Networks (CNNs).”

Downloads

Published

2025-08-19

Issue

Vol. 21 No. 2 (2025): Agustus 2025

Section

INFORMATIK

License

Copyright (c) 2025 Wahyuni Fithratul Zalmi, Pujo Hari Saputro, Jonathan Sitanggang, Kevin Leatemia

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.

KEBIJAKAN YANG DIAJUKAN UNTUK JURNAL YANG MENAWARKAN AKSES TERBUKA

Syarat yang harus dipenuhi oleh Penulis sebagai berikut:

  1. Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Commons Attribution License yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
  2. Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
  3. Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).