PENGEMBANGAN APLIKASI DETEKSI PENYAKIT PADA DAUN TANAMAN SINGKONG MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Abstract

Singkong (Manihot esculenta) merupakan salah satu komoditas pertanian utama di Indonesia yang produktivitasnya sering mengalami penurunan akibat serangan penyakit pada daun. Proses identifikasi penyakit secara konvensional membutuhkan keahlian khusus dan waktu yang relatif lama, sehingga kurang efektif bagi petani. Penelitian ini bertujuan untuk mengembangkan aplikasi deteksi penyakit daun singkong berbasis Convolutional Neural Network (CNN) guna membantu petani dalam mengidentifikasi penyakit tanaman secara cepat dan akurat. Dataset yang digunakan terdiri dari 2.780 citra daun singkong yang terbagi ke dalam lima kelas, yaitu penyakit mosaik singkong, penyakit bercak cokelat singkong, tungau hijau singkong, penyakit bercak bakteri singkong, dan daun singkong sehat. Model CNN dilatih melalui tahap pra-pemrosesan data, augmentasi citra, serta penerapan metode Stratified K-Fold Cross Validation. Hasil pelatihan menunjukkan bahwa model mampu mencapai tingkat akurasi sebesar 83%. Model yang telah dilatih kemudian diimplementasikan ke dalam aplikasi yang dilengkapi dengan fitur unggah gambar dan pengambilan citra secara real-time. Pengujian fungsional menunjukkan aplikasi berjalan dengan baik, sedangkan hasil usability testing terhadap 20 responden memperoleh tingkat kepuasan pengguna sebesar 88,3%. Hasil penelitian ini menunjukkan bahwa aplikasi yang dikembangkan efektif dalam mendukung deteksi dini penyakit daun singkong serta berpotensi mendukung penerapan pertanian digital.