Klasifikasi Penyakit Daun Pisang Berbasis CNN Menggunakan Model GlobalAvaragePooling2D, AveragePooling, dan Flatten

Abstrak

Penyakit daun pisang sangat memengaruhi produktivitas dan kualitas tanaman pisang, terutama di wilayah tropis. Sangat penting untuk mendeteksi penyakit ini dengan cepat dan tepat agar tidak menyebar. Dengan menggunakan metode Convolutional Neural Network (CNN), tujuan penelitian ini adalah untuk membuat model klasifikasi penyakit daun pisang berbasis gambar. Untuk mencapai tujuan ini, teknik augmentasi data digunakan untuk memproses dataset gambar daun pisang yang mengandung berbagai jenis penyakit. Ini dilakukan untuk meningkatkan ketahanan dan akurasi model. Studi ini membandingkan tiga model CNN: Flatten, AveragePooling2D, dan GlobalAveragePooling. Hasil penelitian menunjukkan bahwa model GlobalAveragePooling memiliki akurasi tertinggi sebesar 93,62%, diikuti oleh AveragePooling2D dengan akurasi sebesar 90,96%, dan Flatten dengan akurasi sebesar 88,83%. Model ini memiliki potensi besar untuk diintegrasikan ke dalam aplikasi mobile, memungkinkan petani untuk mendeteksi penyakit daun pisang dengan menggunakan kamera smartphone mereka secara cepat dan akurat. Diharapkan bahwa implementasi ini akan membantu tindakan pencegahan yang lebih baik, meningkatkan produktivitas tanaman pisang, dan mendorong pengembangan teknologi pertanian yang cerdas.