Pengembangan Sistem Klasifikasi Penyakit Daun Anggur Berbasis Cnn Dengan Antarmuka Web

Abstract

Sektor pertanian Indonesia menghadapi tantangan dalam deteksi penyakit tanaman yang lambat dan kurang efisien. Kegiatan ini mengembangkan model CNN untuk mendeteksi penyakit daun anggur berbasis foto dengan metode waterfall. Model dilatih menggunakan arsitektur ResNet50 dengan dataset berisi 10.200 data latih, 1.800 data uji, dan 1.805 data validasi. Hasil pelatihan menunjukkan akurasi 99%, loss 0,033, dan metrik evaluasi lainnya sebesar 0,99. Model di-deploy menggunakan Docker dan Flask di IBM Cloud. Website pendukung dibangun dengan HTML, CSS, React, dan Express.js. Sistem ini terbukti efektif membantu petani dalam identifikasi penyakit. Disarankan untuk memperluas jenis penyakit yang dapat dikenali agar sistem lebih optimal.