Evaluasi Komparatif Transfer Learning Convolutional Neural Network untuk Klasifikasi Penyakit Daun Mangga

nisrina jacinda; Nur Nafiiyah

doi:10.30865/json.v7i3.9538

Authors

nisrina jacinda universitas islam lamongan
Nur Nafiiyah Universitas Islam Lamongan

DOI:

https://doi.org/10.30865/json.v7i3.9538

Keywords:

Penyakit daun mangga, Transfer Learning, Convolutional Neural Network (CNN), Klasifikasi citra, ResNet50

Abstract

Salah satu faktor utama yang dapat menurunkan produktivitas dan kualitas hasil pertanian adalah penyakit daun mangga. Penyakit yang diidentifikasi secara manual masih bergantung pada pengalaman petani, yang dapat menyebabkan kesalahan. Oleh karena itu, dapat menggunakan teknik transfer learning Convolutional Neural Network (CNN), tujuan penelitian ini adalah untuk mengklasifikasikan berbagai jenis penyakit yang menyerang daun mangga. Dengan 4.000 gambar, dataset yang digunakan berasal dari Kaggle dan terdiri dari delapan kelas: anthracnose, bacterial canker, cutting weevil, die back, gall midge, sehat, powdery mildew, dan sooty mold. Dalam eksperimen ini, empat arsitektur CNN ResNet50, ConvNeXt-Tiny, DenseNet121, MobileNetV2, dan yang lainnya dimodifikasi dengan Global Average Pooling, Batch Normalization, dan Lapisan Dense. Hasilnya menunjukkan bahwa ResNet50 dan ConvNeXt-Tiny memberikan tingkat akurasi terbaik, masing-masing 96,13% dan 95,88%, dengan skor F1 di atas 95%. Temuan ini menunjukkan bahwa pemilihan arsitektur CNN memiliki dampak yang signifikan.

References

F. I. Tanesab, Y. C. Laatrehe, and M. alberto Wurlela, “Penerapan Metode CNN Dalam Mengklasifikasi Jenis Penyakit Pada Daun Mangga Menggunakan Arsitektur InceptionV3,” Jurnal Penelitian Nusantara, vol. 1, no. 8, 2025.

M. F. A. Maulana, N. M. Anggadimas, and D. A. Sani, “Klasifikasi Citra Penyakit Daun Padi Dengan Metode CNN Menggunakan Arsitektur ResNet50V2,” CESS (Journal of Computer Engineering, System and Science), vol. 10, no. 2, 2025, doi: 10.24114/cess.v10i2.66960.

J. V. P. Putra, F. Ayu, and B. Julianto, “Implementasi Pendeteksi Penyakit pada Daun Alpukat Menggunakan Metode CNN,” Stains (Seminar Nasional Teknologi & Sains), vol. 2, no. 1, 2023.

E. H. Rachmawanto and H. P. Hadi, “OPTIMASI EKSTRAKSI FITUR PADA KNN DALAM KLASIFIKASI PENYAKIT DAUN JAGUNG,” Dinamik, vol. 26, no. 2, 2021, doi: 10.35315/dinamik.v26i2.8673.

R. Adenia, A. E. Minarno, and Y. Azhar, “Implementasi Convolutional Neural Network Untuk Ekstraksi Fitur Citra Daun Dalam Kasus Deteksi Penyakit Pada Tanaman Mangga Menggunakan Random Forest,” Jurnal Repositor, vol. 4, no. 4, 2024, doi: 10.22219/repositor.v4i4.32287.

M. Khoiruddin, A. Junaidi, and W. A. Saputra, “Klasifikasi Penyakit Daun Padi Menggunakan Convolutional Neural Network,” Journal of Dinda : Data Science, Information Technology, and Data Analytics, vol. 2, no. 1, 2022, doi: 10.20895/dinda.v2i1.341.

I. Yudistura and N. Nafiiyah, “Pengembangan Arsitektur CNN untuk Sistem Identifikasi Penyakit Daun pada Tanaman Padi,” Jurnal Sistem Komputer dan Informatika (JSON), vol. 7, no. 1, pp. 24–32, Sep. 2025, doi: 10.30865/json.v7i1.8849.

R. Suhendra, I. Juliwardi, and S. Sanusi, “Identifikasi dan Klasifikasi Penyakit Daun Jagung Menggunakan Support Vector Machine,” Jurnal Teknologi Informasi, vol. 1, no. 1, 2022, doi: 10.35308/.v1i1.5520.

U. Kulsum and A. Cherid, “Penerapan Convolutional Neural Network Pada Klasifikasi Tanaman Menggunakan ResNet50,” SIMKOM, vol. 8, no. 2, 2023, doi: 10.51717/simkom.v8i2.191.

A. Setiawan, A. Nursafitri, E. V. Afnarista, H. Mulyasari, V. H. Zahwa, and Z. Suryadi, “Klasifikasi Penyakit Tanaman Mangga Menggunakan Algorithma CNN Pada Citra Daun Daun,” SENTIMETER (Seminar Nasional Teknologi Informasi, Mekatronika dan Ilmu Komputer), vol. 4, 2025.

Q. N. Azizah, “Klasifikasi Penyakit Daun Jagung Menggunakan Metode Convolutional Neural Network AlexNet,” sudo Jurnal Teknik Informatika, vol. 2, no. 1, 2023, doi: 10.56211/sudo.v2i1.227.

M. A. N. Hidayat, Kusrini, and Hanafi, “Convolutional Neural Network Pada Identifikasi Varian Tanaman Anggur Menggunakan Resnet-50,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 10, no. 3, 2023.

F. Zaelani and Y. Miftahuddin, “Perbandingan Metode EfficientNetB3 dan MobileNetV2 Untuk Identifikasi Jenis Buah-buahan Menggunakan Fitur Daun,” Jurnal Ilmiah Teknologi Infomasi Terapan, vol. 9, no. 1, 2022, doi: 10.33197/jitter.vol9.iss1.2022.911.

M. I. Rosadi and M. Lutfi, “Identifikasi Jenis Penyakit Daun Jagung Menggunakan Deep Learning Pre-Trained Model,” Jurnal Explore IT!, vol. 13, no. 2, 2021.

A. B. Prakosa, Hendry, and R. Tanone, “Implementasi Model Deep Learning Convolutional Neural Network ( CNN ) Pada Citra Penyakit Daun Jagung Untuk Klasifikasi Penyakit Tanaman,” Jurnal Pendidikan Teknologi Informasi (JUKANTI), vol. 6, no. 1, 2023.

A. D. Nurcahyati, R. M. Akbar, and S. Zahara, “Klasifikasi Citra Penyakit pada Daun Jagung Menggunakan Deep Learning dengan Metode Convolution Neural Network (CNN),” SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains, vol. 2, no. 2, 2022, doi: 10.36815/submit.v2i2.1877.

E. Elfatimi, R. Eryigit, and L. Elfatimi, “Beans Leaf Diseases Classification Using MobileNet Models,” IEEE Access, vol. 10, 2022, doi: 10.1109/ACCESS.2022.3142817.

Swakat Ali, “Dataset Kaggle,” https://www.kaggle.com/datasets/aryashah2k/mango-leaf-disease-dataset.

K. Futri Ramadhani and M. Tarigan, “IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI PENYAKIT DAUN MANGGA MENGGUNAKAN ARSITEKTUR EFFICIENTNETV2-S DAN RESNET50,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 9, no. 3, 2025, doi: 10.36040/jati.v9i3.13571