EUVIMEDEUVIMED entdecken
Open Access · CC BY-SA 4.0

Evaluasi Kinerja Model CNN Berbasis Transfer Learning dalam Klasifikasi Penyakit Daun Padi

Tsabit yunan al rajab, Nur Nafiiyah

Jurnal Sistem Komputer dan Informatika (JSON) · 31.03.2026 · 7 (3) · 989-995

DOI: 10.30865/json.v7i3.9539 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Jurnal Sistem Komputer dan Informatika (JSON), online erschienen am 31.03.2026. Verfasst von Tsabit yunan al rajab und 1 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Salah satu penyebab utama penurunan produktivitas pertanian adalah penyakit daun padi, yang berdampak langsung pada ketahanan pangan nasional. Tujuan dari penelitian ini adalah untuk mengevaluasi dan membandingkan kinerja sembilan arsitektur Convolutional Neural Network (CNN) berbasis transfer learning dalam klasifikasi penyakit daun padi. Arsitektur-arsitektur ini termasuk DenseNet121, InceptionV3, MobileNet, MobileNetV2, MobileNetV3Large, NASNetLarge, ResNet101, VGG16, dan Xception. Tiga kelas penyakit (Blast, Blight, dan Tungro) terdiri dari dataset Kaggle. Data asli digunakan sebagai data pengujian untuk menjaga objektivitas evaluasi, sedangkan data hasil augmentasi digunakan sebagai data pelatihan. Setiap model dilengkapi dengan lapisan Global Average Pooling, Batch Normalization, dan Dense (128). Selain itu, setiap model dilatih menggunakan optimizer SGD yang memiliki tingkat pembelajaran 0,001, epoch 30, ukuran batch 2, dan fungsi kehilangan kategoris crossentropy. Akurasi, precision, recall, dan skor F1 digunakan untuk menilai. Hasil penelitian menunjukkan bahwa MobileNetV3Large, VGG16, dan ResNet101 memiliki akurasi tertinggi sebesar 100,00%, 99,58%, dan 99,17%, masing-masing. Hasil ini menunjukkan bahwa kinerja klasifikasi penyakit daun padi dipengaruhi secara signifikan oleh pilihan arsitektur CNN yang tepat. Selain itu, temuan ini menunjukkan bahwa pembelajaran transfer dapat menjadi cara yang efektif untuk membangun sistem AI yang mendeteksi penyakit tanaman secara dini.

Zitieren

APA

rajab, T. Y. A., & Nafiiyah, N. (2026). Evaluasi Kinerja Model CNN Berbasis Transfer Learning dalam Klasifikasi Penyakit Daun Padi. Jurnal Sistem Komputer dan Informatika (JSON), 7(3), 989-995. https://doi.org/10.30865/json.v7i3.9539

Vancouver

rajab TYA, Nafiiyah N. Evaluasi Kinerja Model CNN Berbasis Transfer Learning dalam Klasifikasi Penyakit Daun Padi. Jurnal Sistem Komputer dan Informatika (JSON). 2026;7(3):989-995. doi:10.30865/json.v7i3.9539

BibTeX
@article{rajab2026,
  author = {rajab, Tsabit yunan al and Nafiiyah, Nur},
  title = {Evaluasi Kinerja Model CNN Berbasis Transfer Learning dalam Klasifikasi Penyakit Daun Padi},
  journal = {Jurnal Sistem Komputer dan Informatika (JSON)},
  year = {2026},
  volume = {7},
  number = {3},
  pages = {989--995},
  doi = {10.30865/json.v7i3.9539}
}
Kostenlos starten →