ANALISIS DAN PERBANDINGAN ARSITEKTUR VGG16 DAN MOBILENETV2 UNTUK KLASIFIKASI DAN IDENTIFIKASI PENYAKIT DAUN PADA TANAMAN CABAI MENGGUNAKAN CNN

Abstract

Indonesia merupakan negara agraris dengan sektor pertanian dan perkebunan yang signifikan, termasuk budidaya cabai sebagai komoditas unggulan. Namun, serangan hama dan penyakit cabai sering kali menyebabkan penurunan produksi dan peningkatan harga di pasaran. Penelitian ini bertujuan mengembangkan sistem klasifikasi dan identifikasi penyakit daun pada tanaman cabai menggunakan Convolutional Neural Network (CNN), dengan membandingkan efektivitas dua arsitektur CNN, yaitu VGG16 dan MobileNetV2. Penelitian dilakukan di Desa Tranjang, Kecamatan Siman, Kabupaten Ponorogo, menggunakan dataset gabungan dari pengamatan lapangan dan dataset publik. Hasil penelitian menunjukkan bahwa arsitektur MobileNetV2 memiliki kinerja yang lebih baik dengan akurasi 92% dibandingkan dengan VGG16 yang memiliki akurasi 74%. Evaluasi dilakukan dengan menggunakan data uji, dan hasil menunjukkan bahwa MobileNetV2 lebih andal dalam mengklasifikasikan penyakit daun cabai dengan tingkat kesalahan yang lebih rendah. Kesimpulannya, MobileNetV2 lebih efektif untuk digunakan dalam mendeteksi dan mengklasifikasikan penyakit daun cabai, memberikan kontribusi penting bagi pertanian dalam meningkatkan pengelolaan penyakit tanaman secara efisien.