Klasifikasi Penyakit Daun Pada Tanaman Kopi Menggunakan Convolutional Neural Network Dengan Arsitektur Mobilenet
Abstract
Tanaman kopi merupakan salah satu
komoditas unggulan di Indonesia yang berkontribusi
besar terhadap perekonomian nasional, baik melalui
ekspor maupun konsumsi domestik. Namun,
produktivitas kopi sering terancam oleh penyakit daun,
seperti karat daun (Hemileia vastatrix), bercak daun
(Phoma Costaricensis), dan penggerek daun (Leucoptera
Coffeella), yang dapat menyebabkan penurunan kualitas
dan hasil panen secara signifikan. Identifikasi penyakit
daun secara manual oleh petani atau ahli pertanian
seringkali memerlukan waktu dan keahlian yang khusus,
sehingga rentan terhadap kesalahan. Penelitian ini
bertujuan untuk mengembangkan sistem klasifikasi
otomatis penyakit daun pada tanaman kopi
menggunakan Convolutional Neural Network (CNN)
dengan arsitektur MobileNet. Arsitektur MobileNet
dipilih karena efisiensinya dalam menangani data dengan
sumber daya komputasi terbatas, seperti perangkat
seluler. Proses klasifikasi dimulai dengan pengumpulan
data dari dataset Kaggle, yang mencakup gambar daun
sehat dan yang terinfeksi penyakit. Data ini melalui tahap
preprocessing, meliputi penyesuaian ukuran citra
menjadi 224x224 piksel. Model dilatih menggunakan
parameter utama seperti optimizer, learning rate, batch
size, dan epoch, untuk menghasilkan klasifikasi yang
optimal. Penelitian dilakukan dengan menggunakan 1664
dataset, dengan pembagian 400 data daun sehat, 460 data
karat daun, 484 data bercak daun dan 320 data
penggerek daun. Dataset yang digunakan untuk
pengujian yaitu sebesar 333 data. Melalui serangkaian
pengujian dengan empat skenario yang berbeda,
diperoleh konfigurasi optimal model dengan hasil terbaik
yaitu Akurasi 99.549%, Loss 0.058, Presisi 95%, Recall
95%, F1-score 95%. Dengan parameter terbaik adalah
optimizer RMSprop, learning rate 0.0001, epoch 125 dan
batch size 16.
Kata kunci: Daun Kopi, Convolutional Neural Network
(CNN), MobileNet, Penyakit Daun, Citra Daun Tanaman Kopi.
References
Badan Pusat Statistik. (2023). Statistik kopi Indonesia
(Vol. 7). Jakarta: Badan Pusat Statistik. ISSN
-8505.
Rosadi, M. I., Hakim, L., & A., M. F. (2023).
Classification of coffee leaf diseases using the
convolutional neural network (CNN) EfficientNet
model. IAIC International Conference Series, 4(1), 58–
https://doi.org/10.34306/conferenceseries.v4i1.627
Aufar, Y., & Kaloka, T. P. (2022). Robusta coffee leaf
diseases detection based on MobileNetV2 model.
International Journal of Electrical and Computer
Engineering (IJECE), 12(6), 6675–6683.
https://doi.org/10.11591/ijece.v12i6.pp6675-6683
Sabrina, S. A., & Maki, W. F. A. (2022). Klasifikasi
penyakit pada tanaman kopi robusta berdasarkan citra daun menggunakan Convolutional Neural Network. eProceeding of Engineering, 9(3), 1919–1927.
https://doi.org/10.11591/epe.v9i3.12345
Paulos, E. B., & Woldeyohannis, M. M. (2022).
Detection and classification of coffee leaf disease using
deep learning. In Proceedings of the ICT4DA
Conference (pp. 1-7). IEEE.
https://doi.org/10.1109/ICT4DA56482.2022.9971300
Aufar, Y., & Kaloka, T. P. (2022). Robusta Coffee Leaf
Detection based on MobileNetv2. Jurnal Internasional
Teknik Elektro dan Komputer (IJECE), 12(6), 6675-
https://doi.org/10.11591/ijece.v12i6.pp6675-
Irfansyah, D., Mustikasari, M., & Suroso, A. (2021).
Arsitektur Convolutional Neural Network (CNN)
Alexnet untuk klasifikasi hama pada citra daun tanaman
kopi. Jurnal Informatika: Jurnal Pengembangan IT
(JPIT), 6(2). ISSN: 2477-5126, e-ISSN: 2548-9356.
Esgario, J. G. M., Krohling, R. A., & Ventura, J. A.
(2023). Deep learning for classification and severity
estimation of coffee leaf biotic stress. Federal University
of Espírito Santo.
Howard, A. G., Wang, W., Zhu, M., Weyand, T., Chen,
B., Andreetto, M., & Kalenichenko, D. (2017).
MobileNets: Efficient convolutional neural networks
for mobile vision applications. arXiv preprint
arXiv:1704.04861.
Rahardjo, Pudji. Berkebun Kopi. Penebar Swadaya,
https://books.google.co.id/books?id=Qy0-
DwAAQBAJ&pg=PA1&hl=id&source=gbs_toc_r&ca
d=2#v=onepage&q&f=false. Diakses pada [accessed
Okt. 17, 2024].
Nazir, Nani. "Mengenal Tanaman Kopi". BBPP
Lembang, 28 Desember 2016.
https://bbpplembang.bppsdmp.pertanian.go.id/publikas
i-detail/1385. Diakses pada [accessed Okt. 17,2024].
Sugiarti, L. (2019). Identifikasi hama dan penyakit pada
tanaman kopi di kebun percobaan Fakultas Pertanian
Universitas Winaya Mukti. Jurnal Agrowiralodra, 2(1),
-22.
Toko Tanaman. (2023). Pengendalian penyakit karat
daun pada kopi (Hemileia vastatrix). Toko Tanaman.
Diakses dari
https://blog.tokotanaman.com/pengendalian-penyakitkarat-daun-pada-kopi-hemileia-vastatrix/
www.kagle.com
Wahyuningtyas, B., Tritoasmoro, I. I., & Ibrahim, N.
(2022). Identifikasi penyakit pada daun kopi
menggunakan metode local binary pattern dan random
forest. e-Proceeding of Engineering, 8(6), 2972-2992.
O. G. Filho, “Coffee leaf miner resistance,” pp. 110–
, 2006.
O'Shea, K., & Nash, R. (2015). An introduction to
convolutional neural networks. arXiv preprint
arXiv:1511.08458. Retrieved from
https://www.researchgate.net/publication/285164623
Albawi, S., Mohammed, T. A., & Al-Zawi, S. (2017).
Understanding of a convolutional neural network.
Proceedings of the International Conference on
Engineering and Technology (ICET2017), Antalya,
Turkey. IEEE. https://doi.org/10.1109/ICET.2017.978-
-5386-1949-0
