Eka Pascia Marthalisa

Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Jember

Janita Ika Widya Wulandari

Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Jember

Reva Vida Alvina

Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Jember

DOI: https://doi.org/10.19184/jei.v3i2.60026

ABSTRAK 

Penyakit pada daun leci dapat menurunkan kualitas dan produktivitas tanaman apabila tidak dideteksi sejak dini. Pengolahan citra digital berbasis kecerdasan buatan memberikan peluang untuk mengembangkan sistem identifikasi penyakit tanaman secara otomatis. Penelitian ini bertujuan membandingkan kinerja ruang warna RGB dan HSV dalam klasifikasi penyakit daun leci menggunakan arsitektur Convolutional Neural Network (CNN). Dataset yang digunakan terdiri atas 2.000 citra digital daun leci yang terbagi ke dalam empat kelas yaitu Black Spot, Dried Leaf, Healthy Leaf, dan Red Rust Disease dengan masing-masing kelas berjumlah 500 citra. Model yang digunakan merupakan arsitektur CNN sederhana yang terdiri atas tiga convolution layer, tiga max pooling layer, satu dense layer, dan lapisan output softmax. Dataset dibagi menjadi 70% data training, 15% data validation, dan 15% data testing. Evaluasi model dilakukan menggunakan accuracy, precision, recall, F1-score, loss, dan confusion matrix. Hasil penelitian menunjukkan bahwa model RGB-CNN mendapatkan accuracy 96,33%, precision 0,9637, recall 0,9633, dan F1-score 0,9633, sedangkan model HSV-CNN mendapatkan accuracy 97,67%, precision 0,9770, recall 0,9767, dan F1-score 0,9768. Analisis confusion matrix menunjukkan bahwa HSV-CNN menghasilkan jumlah kesalahan klasifikasi yang lebih rendah, terutama pada kelas Black Spot, sehingga dapat meningkatkan jumlah prediksi benar dibandingkan model RGB-CNN. Hasil penelitian menunjukkan bahwa penggunaan ruang warna HSV memberikan representasi warna yang lebih efektif untuk proses ekstraksi fitur pada CNN sehingga menghasilkan kinerja klasifikasi penyakit daun leci yang lebih baik dan berpotensi diterapkan pada sistem identifikasi penyakit tanaman berbasis citra digital.

KATA KUNCI: Pengolahan Citra Digital, Penyakit Daun Leci, Ruang Warna RGB, Ruang Warna HSV, Convolutional Neural Network (CNN), Klasifikasi Citra, Confusion Matrix