Klasifikasi Penyakit Daun Kelapa Sawit Menggunakan Metode Convolutional Neural Network (CNN)

Abstract

Kelapa sawit merupakan salah satu komoditas
perkebunan yang memiliki peran strategis dalam pembangunan
ekonomi Indonesia. Sebagai tulang punggung ekonomi bagi
jutaan penduduk, perkembangan sektor ini menekankan
pemenuhan persyaratan guna menjamin hasil produksi yang
berkualitas. Tantangan utama yang dihadapi petani adalah
penyakit pada tanaman kelapa sawit yang disebabkan oleh
hama dan kekurangan unsur hara, yang dapat menghambat
pertumbuhan dan mengurangi hasil panen. Kurangnya
pengetahuan petani mengenai jenis penyakit daun kelapa sawit
sering kali mengakibatkan kesalahan dalam penanganannya.
Penelitian ini berfokus pada klasifikasi penyakit daun kelapa
sawit menggunakan pengolahan citra berbasis kecerdasan
buatan (Artificial Intelligence), dengan tujuan membantu
petani dalam mengidentifikasi daun sehat dan berpenyakit
secara akurat. Metode Convolutional Neural Network (CNN)
digunakan untuk mengenali pola dan fitur kompleks pada citra
daun kelapa sawit. Hasil menunjukkan bahwa akurasi
pelatihan meningkat cepat hingga hampir 1 pada epoch 1–20,
dengan loss turun signifikan. Namun, akurasi validasi stabil di
sekitar 0,95, menandakan adanya overfitting. Epoch terbaik
tercatat pada epoch 20 dengan akurasi pelatihan 1 dan loss
0,001, sementara akurasi validasi tertinggi terjadi pada epoch
80 sebesar 0,975. Berdasarkan confusion matrix, model berhasil
mengklasifikasikan daun berpenyakit sebanyak 66 kali dan
daun sehat sebanyak 80 kali, dengan 14 kesalahan false positive
dan tanpa false negative. Akurasi model mencapai 91,25%,
dengan presisi 82,5% dan recall 100%, menunjukkan performa
yang baik dalam mengidentifikasi daun sehat dan berpenyakit.
Harapannya, penelitian ini dapat menjadi solusi praktis bagi
petani dalam mendeteksi penyakit daun kelapa sawit secara
cepat dan akurat, meminimalkan kesalahan, dan meningkatkan
hasil pertanian secara keseluruhan.
Kata kunci— AI, CNN, Daun Sawit, Klasifikasi