Penerapan Transfer Learning Menggunakan Mobile NetV2 untuk Klasifikasi Penyakit Daun Jagung Berbasis Citra

Authors

  • Sodikin Sodikin Universitas Muria Kudus, Kudus, Indonesia
  • Tutik Khotimah Universitas Muria Kudus, Kudus, Indonesia
  • Ahmad Jazuli Universitas Muria Kudus, Kudus, Indonesia

DOI:

https://doi.org/10.38035/jemsi.v6i6.5743

Keywords:

MobileNetV2, CNN, Augmentasi Gambar

Abstract

Penelitian ini mengembangkan model klasifikasi citra daun jagung berbasis transfer learning menggunakan arsitektur MobileNetV2. Empat kelas daun jagung diklasifikasi, yaitu Blight, Common Rust, Gray Leaf Spot, dan Healthy. Dataset terdiri dari 7614 citra yang dibagi menjadi 6092 citra latih dan 1522 citra validasi dengan rasio 80:20. Augmentasi citra dilakukan secara lanjutan, mencakup rotasi, flipping, dan zoom, untuk meningkatkan generalisasi model. Arsitektur MobileNetV2 dimodifikasi dengan penambahan layer GlobalAveragePooling2D, Dropout (0.5), dan Dense (4 neuron, aktivasi softmax). Pelatihan dilakukan sebanyak tiga kali dengan jumlah epoch berbeda (20, 10, dan 5) untuk membandingkan pengaruhnya terhadap akurasi. Hasil evaluasi menunjukkan akurasi validasi terbaik sebesar 85% pada pelatihan 5 epoch, dengan nilai precision, recall, dan f1-score per kelas di atas 80%. Model menunjukkan performa baik dalam klasifikasi kondisi daun jagung.

References

Astuti, W., Kurniawan, R., & Wijaya, Y. A. (2024). Jurnal Informatika dan Rekayasa Perangkat Lunak Analisis Data Sentimen Ulasan Aplikasi Dana di Google Play Store Menggunakan Algoritma Naïve Bayes. 6(1), 158–163.

Darafrisca Prasada, N. (2024). Diagnosa Penyakit Tanaman Jagung pada Citra Daun Menggunakan Metode Convolutional Neural Network (CNN). In JIMU: Jurnal Ilmiah Multi Disiplin (Vol. 02, Issue 03). JIMU.

Herwina, Darmatasia, Shiddiq, A. K. A., & Syahputra, T. D. (2022). Deteksi Penyakit pada Tanaman Padi Menggunakan MobileNet Transfer Learning Berbasis Android. Agents Journal of Artificial Intelligence & Data Science, 2(2).

Iswantoro, D., & Handayani UN, D. (2022). Klasifikasi Penyakit Tanaman Jagung Menggunakan Metode Convolutional Neural Network (CNN). Jurnal Ilmiah Universitas Batanghari Jambi, 22(2), 900. https://doi.org/10.33087/jiubj.v22i2.2065

Melia, F., Aldian, F. M., Pahlevi, M. S. F., Risqullah, R. N. I., & Oktaffiani, S. (2023). PERAN PEMERINTAH DALAM MENINGKATKAN VOLUME EKSPOR JAGUNG. JURNAL ECONOMINA, 2(1). https://doi.org/10.55681/economina.v2i1.287

Mochammad Faisal Nur Sayyid. (2024). Klasifikasi Penyakit Daun Jagung Menggunakan Metode CNN Dengan Image Processing HE Dan CLAHE. Jurnal Teknik Informatika Dan Teknologi Informasi, 4(1), 86–95. https://doi.org/10.55606/jutiti.v4i1.3425

Muhamad, H., Prasojo, C. A., Sugianto, N. A., Surtiningsih, L., & Cholissodin, I. (2017). OPTIMASI NAÏVE BAYES CLASSIFIER DENGAN MENGGUNAKAN PARTICLE SWARM OPTIMIZATION PADA DATA IRIS. 4(3), 180–184.

Normawati, D., & Prayogi, S. A. (2021). Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter. In Jurnal Sains Komputer & Informatika (J-SAKTI (Vol. 5, Issue 2).

Prasetyo, G., Ratih, S., Ivayani, I., & Akin, H. M. (2017). EFEKTIVITAS Pseudomonas fluorescens DAN Paenibacillus polymyxa TERHADAP KEPARAHAN PENYAKIT KARAT DAN HAWAR DAUN SERTA PERTUMBUHAN TANAMAN JAGUNG MANIS (Zea mays var. saccharata). Jurnal Agrotek Tropika, 5(2). https://doi.org/10.23960/jat.v5i2.1834

Vicky, J., Ayu, F., & Julianto, B. (n.d.). Implementasi Pendeteksi Penyakit pada Daun Alpukat Menggunakan Metode CNN (Vol. 2).

Yusuf, M., Kurniawan, D., & Agustin, T. (n.d.). SEMINAR NASIONAL AMIKOM SURAKARTA (SEMNASA) 2024.

Downloads

Published

2025-07-30

How to Cite

Sodikin, S., Tutik Khotimah, & Ahmad Jazuli. (2025). Penerapan Transfer Learning Menggunakan Mobile NetV2 untuk Klasifikasi Penyakit Daun Jagung Berbasis Citra. Jurnal Ekonomi Manajemen Sistem Informasi, 6(6), 4276–4282. https://doi.org/10.38035/jemsi.v6i6.5743

Most read articles by the same author(s)