SITI KHADIJAH SARIS Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2025

Skripsi

ABSTRAK Aceh Tengah dikenal sebagai salah satu daerah utama penghasil kopi di Indonesia, yang terkenal dengan kopi Arabika Gayo. Meski demikian, daerah ini menghadapi tantangan besar dari serangan penyakit daun kopi seperti leaf rust, sooty mold, brown eye spot, dan black rot, yang dapat menurunkan kualitas dan produksi kopi. Selama ini, identifikasi penyakit daun kopi masih dilakukan secara konvensional yang bergantung pada pengetahuan dan pengalaman petani, serta rentan terhadap kesalahan dan membutuhkan waktu yang lama. Penelitian ini bertujuan untuk membangun model deep learning untuk klasifikasi penyakit daun kopi Arabika Gayo berdasarkan citra daun, sehingga dapat membantu petani dalam mendeteksi penyakit secara cepat dan akurat. Model dikembangkan menggunakan arsitektur EfficientNet-B0, ResNet50, dan VGG16, dan dilatih pada dataset primer yang terdiri dari 1.200 citra daun kopi yang terbagi secara merata ke dalam empat kelas penyakit. Citra dikumpulkan dari tiga lokasi perkebunan di Kecamatan Jagong Jeget, Aceh Tengah, dan data dibagi ke dalam set pelatihan, validasi, dan pengujian dengan rasio 80:10:10. Model terbaik diperoleh dari arsitektur EfficientNet-B0 pada konfigurasi learning rate 0,01 dan 60 epoch, dengan accuracy 97,50%, precision 97,58%, recall 97,50%, dan F1-score 97,50%. Hasil ini menunjukkan bahwa pendekatan deep learning, khususnya menggunakan arsitektur EfficientNet-B0, efektif dalam mengklasifikasikan penyakit daun kopi dan dapat menjadi solusi pendeteksian penyakit yang lebih efisien dibandingkan metode konvensional. Kata Kunci: Penyakit daun kopi, convolutional neural network (CNN), klasifikasi citra, EfficientNet-B0, ResNet50, VGG16 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 159749 2025-07-10 14:04:36 2025-07-10 14:14:31 machine generated