Klasifikasi Penyakit Buah Jambu Menggunakan Model MobileNetV2 Berbasis Convolutional Neural Network
-
Anan Wibowo
*
STIKOM Tunas Bangsa, Pematang Siantar,
Indonesia
- Agus Perdana Windarto STIKOM Tunas Bangsa, Pematang Siantar, Indonesia
- Poningsih STIKOM Tunas Bangsa, Pematang Siantar, Indonesia
- Rafika Dewi STIKOM Tunas Bangsa, Pematang Siantar, Indonesia
Abstract
Pengenalan penyakit pada buah jambu (Psidium guajava) secara dini merupakan langkah penting untuk menjaga kualitas hasil panen dan mencegah kerugian ekonomi akibat serangan penyakit tanaman. Penelitian ini bertujuan untuk mengklasifikasikan penyakit buah jambu berdasarkan citra digital menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Dataset yang digunakan terdiri atas tiga kelas, yaitu Anthracnose, Fruit Fly, dan Healthy Guava. Proses penelitian meliputi tahap data preprocessing, augmentasi citra, pembagian dataset menjadi data latih, validasi, dan uji, serta pelatihan model menggunakan transfer learning dari bobot awal ImageNet. Hasil pengujian menunjukkan bahwa model MobileNetV2 mampu mencapai akurasi sebesar 93% dengan nilai precision rata-rata 0.94, recall 0.93, dan F1-score 0.93. Hasil ini menunjukkan bahwa arsitektur MobileNetV2 efektif dalam mengidentifikasi penyakit buah jambu dengan efisiensi komputasi yang tinggi. Penelitian ini diharapkan dapat mendukung pengembangan sistem deteksi otomatis berbasis visi komputer di bidang pertanian digital.
References
C. Ramdhona, D. Rochdiani, and B. Setia, “ANALISIS KELAYAKAN USAHATANI JAMBU KRISTAL ( Psidium Guajava L .) ( Studi Kasus Pada Pengembang Budidaya Jambu Kristal Di Desa Bangunsari Kecamatan Pamarican Kabupaten Ciamis ) Feasibility Analysis Of Crystal Guava ( Psidium Guajava L .) ( Case Study In C,” J. Ilm. Mhs. Agroinfo Galuh, vol. 6, no. 3, pp. 596–603, 2020, doi:10.25157/jimag.v6i3.2536.
R. U. Prabowo et al., “Akselerasi Produksi Jambu Biji ( Psidium Guajava L. ) Guna Menyongsong Keunggulan Kompetitif Komoditas Hortikultura Di Kalimantan Tengah,” CERMIN J. Penelit., vol. 8, pp. 1–12, 2024, doi: 10.36841/cermin_unars.v8i1.2886.
D. Rustani and S. Susanto, “Kualitas Fisik dan Kimia Buah Jambu ‘Kristal’ pada Letak Cabang yang Berbeda,” Bul. Agrohorti, vol. 7, no. 2, pp. 123–129, 2020.
E. Ariningsih, H. P. Saliem, and K. S. Septanti, “ Economic Loss and Control Management of Fruit Fly Infestation on Horticultural Commodity in Indonesia,” Forum Penelit. Agro Ekon., vol. 40, no. 2, pp. 71–89, 2023.
D. M. F. P. Sari, I. K. E. B. Satria, and I. A. O. Martini, “Optimalisasi Produktivitas Pertanian melalui Penerapan Teknologi Budidaya Jeruk di Desa Ubung Kaja,” Kontribusi, 2025, doi : 10.53624/kontribusi.v5i2.585.
M. Munandi, “Penerapan Algoritma Deep Learning untuk Deteksi Dini Penyakit dari Citra Medis,” J. Comput. Sci. Inf. Tecnol., vol. 1, no. 2, pp. 53–59, 2025, doi : 10.70716/jocsit.v1i2.259.
R. Ardianto and S. K. Wibisono, “Analisis Deep Learning Metode Convolutional Neural Network Dalam Klasifikasi Varietas Gandum Analysis of Convolutional Neural Network Deep Learning Method in Durum Wheat Variety Classification,” J. KOLABORATIF SAINS, vol. 6, no. 12, pp. 2081–2092, 2023, doi: 10.56338/jks.v6i12.4938.
N. Kasim, M. B. Fadilah, W. Al Hidayat, and R. A. Saputra, “Klasifikasi Jenis Tanaman Herbal Berdasarkan Citra Menggunakan Metode Convolution Neural Network ( CNN ),” J. TEKNO KOMPAK, vol. 19, no. 1, pp. 64–78, 2024.
M. Setiono and Supatman, “Klasifikasi Penyakit Antraknosa Citra Cabai Rawit Dengan Metode Convolutional Neural Network ( CNN ),” J. Tek. Inform. dan Sist. Inf., vol. 11, no. 2, pp. 308–320, 2024, doi : 10.35957/jatisi.v11i2.8039
A. Ismiaty, R. Ht, W. S. Astuti, A. Wanto, and S. Solikhun, “Optimisasi VGG16 dengan Transfer Learning dalam Mendeteksi Penyakit Pada Daun Jagung,” Bull. Comput. Sci. Res., vol. 5, no. 5, pp. 1049–1058, 2025, doi: 10.47065/bulletincsr.v5i5.631.
I. P. Agus, K. Hidjah, N. Sulistianingsih, and G. Hendro, “Implementasi Arsitektur Deep Convolutional Neural Network ( CNN ) dengan Transfer Learning untuk Klasifikasi Penyakit Kulit,” JTIM J. Teknol. Inf. dan Multimed., vol. 7, no. 3, pp. 461–477, 2025, doi : 10.35746/jtim.v7i3.734.
N. W. Kencana, R. Umar, and Murinto, “Implementasi Transfer Learning Untuk Klasifikasi Jenis Ras Ayam Menggunakan Arsitektur MobileNetV2,” JIP (Jurnal Inform. Polinema) ISSN, pp. 147–154, 2024, https//elibrary.ru.
R. Imanuel et al., “Deteksi Dan Klasifikasi Citra Wajah Menggunakan Mtcnn Dan Mobilenet,” Integr. Res. Comput. Sci., vol. 1, no. 1, pp. 23–39, 2025, https://ritecs.org/journal/index.php/IRCS/article/view/4/4
E. M. Z. Darmawan and A. Fauzan Dianta, “Implementasi Optimasi Hyperparameter GridSearchCV Pada Sistem Prediksi Serangan Jantung Menggunakan SVM,” Teknol. J. Ilm. Sist. Inf., vol. 13, no. 1, pp. 8–15, 2023.
I. O. Herlistiono and S. Violina, “Model Prediksi Risiko Stroke Menggunakan Machine Learning,” INTECOMS J. Inf. Technol. Comput. Sci., vol. 7, no. 4, pp. 1230–1238, Jul. 2024, doi: 10.31539/INTECOMS.V7I4.10942.
Baiq Nurul Azmi, Arief Hermawan, and Donny Avianto, “Analisis Pengaruh Komposisi Data Training dan Data Testing pada Penggunaan PCA dan Algoritma Decision Tree untuk Klasifikasi Penderita Penyakit Liver,” JTIM J. Teknol. Inf. dan Multimed., vol. 4, no. 4, pp. 281–290, Feb. 2023, doi: 10.35746/jtim.v4i4.298.
C. F. Liana and B. Sinaga, “Sistem Pakar Diagnosa Penyakit Dyslexia Pada Anak Dengan Metode Naive Bayes Berbasis Web,” J. Ilmu Komput. dan Bisnis, vol. 12, no. 2a, pp. 173–183, 2021, doi: 10.47927/jikb.v12i2a.219.
Z. Zuriati and N. Qomariyah, “Klasifikasi Penyakit Stroke Menggunakan Algoritma K-Nearest Neighbor (KNN),” ROUTERS J. Sist. dan Teknol. Inf., vol. 1, no. 1, pp. 1–8, Nov. 2022, doi: 10.25181/RT.V1I1.2665.
F. S. Anam, M. R. Muttaqin, and Y. R. Ramadhan, “Klasifikasi Penyakit Pada Daun dan Buah Jambu Menggunakan Convolutional Neural Network,” JOINTECS (Journal Inf. Technol. Comput. Sci., vol. 7, no. 1, pp. 6–8, 2026.
M. Purba, “Klasifikasi Jenis Daun Tanaman Tropis Menggunakan Model ResNet50 Berbasis Transfer Learning dengan Dataset Tropical Plant Leaf,” JCOSIS (Journal Comput. Sci. Inf. Syetem), vol. 2, no. 2, pp. 51–57, 2025, doi: doi.org/10.61567.
Copyright (c) 2026 Anan Wibowo, Agus Perdana Windarto, Poningsih, Rafika Dewi
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under Creative Commons Attribution 4.0 International License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (Refer to The Effect of Open Access).
