Klasifikasi Penyakit Daun Kentang Menggunakan Algoritma Convolutional Neural Network dan Support Vector Machine

Produksi kentang di Indonesia mengalami penurunan sebesar 16,96% dari pada tahun 2023 dibanding tahun sebelumnya. Penurunan ini dipengaruhi oleh serangan penyakit pada daun kentang, terutama busuk daun (late blight) dan bercak kering (early blight). Penelitian ini bertujuan untuk mengidentifikasi jenis penyakit daun kentang dengan algoritma Convolutional Neural Network (CNN) dan Support Vector Machine (SVM) menggunakan arsitektur VGG16. Dataset yang digunakan terdiri dari 1500 gambar daun kentang yang terbagi menjadi data training, validasi, dan testing. Metode penelitian ini meliputi tahapan pengumpulan data, pra-pemrosesan, pembuatan model, dan evaluasi performa model. Model CNN mencapai akurasi sebesar 96% dengan nilai precision, recall, dan F1-score tinggi di semua kelas, sedangkan model SVM memperoleh akurasi 94% dengan performa yang lebih seimbang. Pada pengujian terhadap data baru, SVM menghasilkan akurasi 85%, lebih tinggi dibandingkan CNN yang mencapai 78%. Hasil ini menunjukkan bahwa meskipun CNN memiliki akurasi lebih tinggi dalam pelatihan, SVM lebih unggul dalam generalisasi model. Penelitian ini diharapkan dapat berkontribusi dalam pengembangan model deteksi penyakit tanaman berbasis citra untuk mendukung pertanian presisi.

Kata Kunci: CNN, Klasifikasi Citra, Penyakit Daun Kentang, SVM, VGG16