Penerapan Metode Transfer Learning untuk Klasifikasi Penyakit Tanaman Kembang Kol dengan Arsitektur Inception V3

Randy Marsevin; Tri Hasanah Bimastari Aviani; A. Taqwa Martadinata; Budi Santoso

doi:10.47134/ijat.v2i4.5167

Authors

Randy Marsevin Universitas Bina Insan Lubuklinggau
Tri Hasanah Bimastari Aviani Universitas Bina Insan Lubuklinggau
A. Taqwa Martadinata Universitas Bina Insan Lubuklinggau
Budi Santoso Universitas Bina Insan Lubuklinggau

DOI:

https://doi.org/10.47134/ijat.v2i4.5167

Keywords:

Deep Learning, Transfer Learning, Inception V3, Klasifikasi Penyakit, Kembang Kol

Abstract

Indonesia sebagai negara agraris menghadapi tantangan dalam produksi pertanian, khususnya akibat serangan hama dan penyakit yang menurunkan kualitas hasil panen kembang kol (Brassica oleracea var. botrytis L). Penelitian ini mengembangkan model klasifikasi penyakit tanaman kembang kol menggunakan metode transfer learning berbasis arsitektur Inception V3. Dataset terdiri dari empat kelas: Bacterial Spot Rot, Black Rot, Downy Mildew, dan No Disease, diperoleh dari Kaggle. Proses pengembangan mengikuti tahapan CRISP-DM, mulai dari pra-pemrosesan data, pelatihan model, hingga evaluasi. Model dilatih dengan memanfaatkan bobot awal dari ImageNet, diikuti dengan penyesuaian beberapa lapisan klasifikasi dan penggunaan teknik fine-tuning serta augmentasi data. Evaluasi performa dilakukan dengan metrik akurasi, precision, recall, dan F1-score. Hasil akhir menunjukkan akurasi validasi sebesar 93,75% dan akurasi pengujian mencapai 99%, dengan nilai precision dan recall yang seimbang (93,75%). Model terbukti efektif dalam mengklasifikasi penyakit tanaman dan memiliki potensi untuk diterapkan pada sistem deteksi otomatis berbasis citra guna mendukung pertanian presisi secara real-time.

References

Ahmad, S., Singh, P., & Sagar, A. K. (2018). A survey on big data analytics. IEEE International Conference on Advanced Computing, Communication, Control and Networking (ICACCCN), 4, 256–260. https://doi.org/10.1109/ICACCCN.2018.8748774

Amrozi, Y., Yuliati, D., Susilo, A., Novianto, N., & Ramadhan, R. (2022). Klasifikasi jenis buah pisang berdasarkan citra warna dengan metode SVM. Jurnal Sisfokom (Sistem Informasi Dan Komputer), 11(3), 394–399. https://doi.org/10.32736/sisfokom.v11i3.1502

Badudu, S. M. Z. (2010). Efektivitas Bahasa Indonesia. Balai Pustaka.

Bunge, J. A., & Judson, D. H. (2004). Implementasi Data Mining Menggunakan CRISP-DM Pada Sistem Informasi Eksekutif Dinas Kelautan dan Perikanan Provinsi Jawa Tengah. In Encyclopedia of Social Measurement (Vol. 1, pp. V1-617–V1-624). https://doi.org/10.1016/B0-12-369398-5/00159-6

Cholissodin, I., & Soebroto, A. A. (2021). AI, Machine Learning & Deep Learning (Teori & Implementasi).

Fathur Rozi, M. I., Adiwijaya, N. O., & Swasono, D. I. (2023). Identifikasi kinerja arsitektur transfer learning VGG16, ResNet-50, dan Inception-V3 dalam pengklasifikasian citra penyakit daun tomat. Jurnal Riset Rekayasa Elektro, 5(2), 145. https://doi.org/10.30595/jrre.v5i2.18050

Fatimah, F., Khasanah, H. N., Khoirunnisa, R., ’Aini, F. Q., & Hanik, N. R. (2022). Identification of diseases and pests of cauliflower (Brassica oleracea). Jurnal Biologi Tropis, 22(1), 113–120. https://doi.org/10.29303/jbt.v22i1.3072

Ferentinos, K. P. (2018). Deep learning models for plant disease detection and diagnosis. Computers and Electronics in Agriculture, 145, 311–318. https://doi.org/10.1016/j.compag.2018.01.009

Géron, A. (2017). Hands-On Machine Learning with Scikit-Learn and TensorFlow. O’Reilly.

Harneni, L. (2024). Klasifikasi Jamur Yang Dapat di Konsumsi Berdasarkan Citra Menggunakan Pre-Trained Model Inception V3. Jurnal Rekayasa Komputasi Terapan, 4(2), 169–176.

Kosman, A. W., Wahyuningsih, Y., & Mahendrasusila, F. (2024). Pengujian metode Inception V3 dalam mengidentifikasi penyakit kanker kulit. Jurnal Teknologi Informasi Dan Komputer MH. Thamrin, 10(1), 136–146.

Kotta, C. R., Paseru, D., & Sumampouw, M. (2022). Implementasi metode Convolutional Neural Network untuk mendeteksi penyakit pada citra daun tomat. Jurnal Pekommas, 7(2), 123–132. https://doi.org/10.56873/jpkm.v7i2.4961

Marpaung, F., Aulia, F., & Nabila, R. C. (2022). Computer Vision dan Pengolahan Citra Digital. Pustaka Aksara.

Mustikarini, A. (2016). Agenda Riset Bisnis dan Ekonomi: Topik Terkini Teknologi Terbarukan (Vol. 1).

Salim, V., Abdullah, A., & Utami, P. Y. (2024). Klasifikasi citra penyakit tanaman pada daun paprika dengan metode transfer learning menggunakan DenseNet-201. Indonesian Journal of Computer Science, 13(2), 3001–3014. https://doi.org/10.33022/ijcs.v13i2.3746

Sardjono, M. W., Ramadhan, V., Ramadhan, V., Cahyanti, M., & Swedia, E. R. (2024). Klasifikasi Bentuk Bingkai (Frame) Kacamata Menggunakan CNN dengan Arsitektur Inception V3 dan Augmented Reality Berbasis Android. Journal of Systems and Computer Engineering, 5(2), 204–218. https://doi.org/10.61628/jsce.v5i2.1292

Sefrila, E. D., Rahmat, B., & Sihananto, A. N. (2024). Implementasi arsitektur Inception V3 dengan optimasi Adam, SGD dan RMSProp pada klasifikasi penyakit malaria. Bridge: Jurnal Publikasi Sistem Informasi Dan Telekomunikasi, 2(2), 69–84. https://doi.org/10.62951/bridge.v2i2.62

Soekarta, R., Nurdjan, N., & Syah, A. (2023). Klasifikasi penyakit tanaman tomat menggunakan metode Convolutional Neural Network (CNN). Insect: Informatics Security Journal Teknik Informatika, 8(2), 143–151. https://doi.org/10.33506/insect.v8i2.2356

Sunarti. (2015). Pengamatan hama dan penyakit penting tanaman kubis bunga (Brassica oleracea var. botrytis L.) dataran rendah. Jurnal AGROQUA, 13(2), 74–80. https://journals.unihaz.ac.id/index.php/agroqua/article/view/18/10

Too, E. C., Yujian, L., Njuki, S., & Yingchun, L. (2019). A comparative study of fine-tuning deep learning models for plant disease identification. Computers and Electronics in Agriculture, 161, 272–280. https://doi.org/10.1016/j.compag.2018.03.032

Ungkawa, U., & Al Hakim, G. (2023). Klasifikasi warna pada kematangan buah kopi kuning menggunakan metode CNN Inception V3. ELKOMIKA, 11(3), 731. https://doi.org/10.26760/elkomika.v11i3.731

Vakalopoulou, M., Christodoulidis, S., Burgos, N., Colliot, O., & Lepetit, V. (2023). Deep learning: Basics and Convolutional Neural Networks (CNNs). Neuromethods, 197, 77–115. https://doi.org/10.1007/978-1-0716-3195-9_3

Wahab. (2008). Tujuan Penerapan Program. Bulan Bintang.

Widyaya, J. E., & Budi, S. (2021). Pengaruh Preprocessing Terhadap Klasifikasi Diabetic Retinopathy dengan Pendekatan Transfer Learning Convolutional Neural Network. Jurnal Teknologi Informasi Dan Sistem Informasi, 7(1), 110–124.

Yudistira, N. (2021). Peran big data dan deep learning untuk menyelesaikan permasalahan secara komprehensif. Expert, 11(2), 78. https://doi.org/10.36448/expert.v11i2.2063

Zhang, X., Wang, S., & Li, X. (2022). Deep transfer learning for plant disease diagnosis based on convolutional neural networks. Computers and Electronics in Agriculture, 193, 106726. https://doi.org/10.1016/j.compag.2022.106726