Electronic Theses and Dissertation

Abstrak – tanaman terung adalah jenis dikotil dengan batang pendek, bulat, dan berbulu. untuk menopang buah yang lebat, diperlukan penopang berupa batang. daunnya berbentuk bulat panjang dan meruncing di ujungnya. daun terung memiliki dua bagian utama, tangkai daun berbentuk silindris, panjang 5-8 cm, dan helaian daun dengan lebar 7-9 cm dengan panjang 12-20 cm. kualitas daun pada tanaman terung sangat berpengaruh terhadap pertumbuhan buah terung, jika daun terung terinfeksi penyakit, produksi buahnya akan berkurang. bahkan, tanpa pengendalian yang tepat, dampaknya dapat sangat serius, sehingga menyebabkan kerusakan pada tanaman terung. penelitian ini melakukan deteksi penyakit daun pada tanaman terung berbasis convolutional neural network (cnn), menggunakan dataset gambar daun terung. arsitektur yang digunakan adalah residual network (resnet)50 dan efficientnetb4 dengan luaran yang akan terbagi ke dalam 3 kelas, yaitu kelas normal, kelas jassid, dan kelas bercak daun. hasil evaluasi pelatihan menunjukkan bahwa model resnet-50 memiliki kemampuan yang sangat baik secara keseluruhan dalam mendeteksi penyakit bercak daun dan jassid pada tanaman terung dibandingkan dengan efficientnetb4. dalam penelitian ini menunjukkan model pada learning rate 10−4 dan batch size 16 dinilai memiliki performa yang baik menggunakan arsitektur resnet-50 berdasarkan learning curve yang goodfitting dengan nilai akurasi sebesar 87% dan precision 88%, recal 87%, dan f1score 87%. kata kunci : daun terung, convolutional neural network (cnn), residual network (resnet)50, dan efficientnetb4

Abstract - Eggplant plants are a type of dicot with short, round, and hairy stems. To support the heavy fruits, a supporting structure is needed. Its leaves are elongated and tapering at the tips. Eggplant leaves have two main parts: a cylindrical petiole measuring 5-8 cm long, and the leaf blade that is 7-9 cm wide and 12-20 cm long. The quality of leaves on eggplant plants significantly affects the growth of the fruits. If the leaves are infected with diseases, fruit production will decrease. Without proper management, the impact can be very serious, leading to damage to the eggplant plants. This study conducts leaf disease detection on eggplant plants based on Convolutional Neural Network (CNN) using a dataset of eggplant leaf images. The architectures used are Residual Network (ResNet)50 and EfficientNetB4, with outputs divided into three classes: normal, jassid, and leaf spot. Evaluation results show that the ResNet-50 model has excellent overall capability in detecting leaf spot and jassid diseases on eggplant plants compared to EfficientNetB4. In this study, a model with a learning rate of 10-4 and a batch size of 16 was assessed to have good performance using the ResNet-50 architecture, based on a learning curve that showed good fitting with an accuracy of 87%, precision of 88%, recall of 87%, and F1 score of 87%. Keywords : Eggplant Leaves, Convolutional Neural Network (CNN), Residual Network (ResNet)50, EfficientNetB4.