Klasifikasi Penyakit Antraknosa Pepaya California Menggunakan Convolutional Neural Network

Abstract

Pepaya memiliki berbagai varian, salah satunya adalah pepaya California yang memiliki nilai jual tinggi di pasaran. Namun, petani sering kali mengalami gagal panen dikarenakan munculnya penyakit pada pepaya California. Salah satu penyakit yang menyerang pepaya adalah penyakit antraknosa. Kurangnya pengetahuan petani, apalagi petani baru sangat berpengaruh dengan kurangnya tindakan pencegahan penyakit antraknosa. Oleh karena itu, dibuatlah penelitian klasifikasi penyakit antraknosa pada pepaya California menggunakan Convolutional Neural Network (CNN). Data penelitian yang digunakan berjumlah 300 data citra dengan pembagian 150 data pepaya sehat dan 150 data pepaya antraknosa. Dalam proses pembangunan model CNN dataset akan dibagi menjadi dua bagian dengan perbandingan 80:20 antara data training dan data validation. Penelitian ini bertujuan untuk memberi informasi kepada petani baru tentang pengklasifikasian penyakit antraknosa pada pepaya. Hasil pengujian menunjukkan bahwa model terbaik dihasilkan menggunakan parameter optimizer Adam, epoch 20, dan loss binary cross-entropy. Model tersebut menghasilkan akurasi training 99,17% dan testing 99,58% dengan loss training 0,0239 dan loss validation 0,0177. Hasil penelitian menunjukkan bahwa algoritma CNN optimal dalam melakukan klasifikasi citra pepaya.