Klasifikasi Penyakit Daun Tanaman Jambu Mete Menggunakan Metode Convolutional Neural Network

Authors

  • Ammar Umran Fauzi Ramadhan Sekolah Tinggi Teknologi Wastukancana
  • Imam Maruf Nugroho Sekolah Tinggi Teknologi Wastukancana
  • Meriska Defriani Sekolah Tinggi Teknologi Wastukancana

DOI:

https://doi.org/10.26418/justin.v14i1.95718

Keywords:

Jambu Mete, CNN, ResNet50, Deteksi Penyakit, Deep Learning, Streamlit

Abstract

Tanaman jambu mete memiliki nilai ekonomi yang tinggi di Indonesia, namun rentan terhadap berbagai penyakit daun seperti anthracnose, leaf miner, dan red rust yang dapat menurunkan produktivitas panen. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi penyakit daun jambu mete berbasis citra digital dengan menggunakan metode Convolutional Neural Network (CNN) berarsitektur ResNet50. Dataset diperoleh dari sumber daring dan diproses melalui tahap augmentasi serta normalisasi guna meningkatkan keragaman citra. Model CNN yang dikembangkan berhasil mencapai akurasi pengujian sebesar 91,73%. Sistem ini kemudian diimplementasikan dalam aplikasi web berbasis Streamlit sehingga dapat dimanfaatkan secara langsung oleh petani untuk mendiagnosis kondisi daun secara real-time. Hasil penelitian menunjukkan bahwa penerapan CNN efektif dalam deteksi dini penyakit daun jambu mete dan berpotensi mendukung peningkatan efisiensi diagnosis penyakit berbasis citra di sektor pertanian.

Author Biographies

Ammar Umran Fauzi Ramadhan, Sekolah Tinggi Teknologi Wastukancana

Program Studi Teknik Informatika Sekolah Tinggi Teknologi Wastukancana

Imam Maruf Nugroho, Sekolah Tinggi Teknologi Wastukancana

Program Studi Teknik Informatika Sekolah Tinggi Teknologi Wastukancana

Meriska Defriani, Sekolah Tinggi Teknologi Wastukancana

Program Studi Teknik Informatika Sekolah Tinggi Teknologi Wastukancana

References

N. R. Timisela and E. D. Leatemia, “Strategi Pengembangan Agribisnis Jambu Mete Cashews Agribusiness Development Strategy,†J. Sos. Ekon. Pertan., vol. 19, no. 1, pp. 29–38, 2023.

M. R. Male and A. Y. Rahman, “Klasifikasi Kualitas Biji Jambu Mete Menggunakan Metode Convolutional Neural Network ( CNN ),†vol. 11, no. 3, pp. 274–286, 2024.

D. Maryanti, “Pemanfaatan Buah Jambu Monyet Sebagai Obat Herbal Alternatif Untuk Menunjang Kesehatan Dalam Bentuk Kapsul Jambu Monyet (Jamet),†Inisiasi, pp. 67–74, 2022, doi: 10.59344/inisiasi.v11i1.41.

R. Sambodo and D. Astriani, “Analisis Strategi Pemberdayaan Kelompok Tani Melalui Pengembangan Agribisnis Budidaya Jambu Mete,†Musamus J. Public Adm., vol. 5, no. 2, pp. 556–266, 2023, doi: 10.35724/mjpa.v5i2.5012.

B. P. Statistik, “Produksi Tanaman Buah-buahan, 2021-2023,†bps.go.id. Accessed: Mar. 13, 2025. [Online]. Available: https://www.bps.go.id/id/statistics-table/2/NjIjMg==/produksi-tanaman-buah-buahan.html

Y. Moan Banda, “Budidaya Tanaman Jambu Mete Dan Pemasaran Dalam Meningkatkan Pendapatan Masyarakat Desa Hokeng Jaya,†vol. 7, p. 6, 2022.

P. D. dan I. Pertanian, “OUTLOOK KOMODITAS,†2022.

M. Timothy, O. John, A. Aibinu, and B. Adebisi, “Detection and Classification System for Cashew Plant Diseases using Convolutional Neural Network,†ACM Int. Conf. Proceeding Ser., pp. 225–232, 2021, doi: 10.1145/3508072.3508107.

S. Ghandi and Y. R. Ramadhan, “PENERAPAN METODE CONVOLUTIONAL NEURAL NETWORK ( CNN ) DALAM APLIKASI PENDETEKSI PENYAKIT DAUN TANAMAN KENTANG BERBASIS ANDROID,†vol. 8, no. 5, pp. 8701–8708, 2024.

S. Navisa, Luqman Hakim, and Aulia Nabilah, “Komparasi Algoritma Klasifikasi Genre Musik pada Spotify Menggunakan CRISP-DM,†J. Sist. Cerdas, vol. 4, no. 2, pp. 114–125, 2021, doi: 10.37396/jsc.v4i2.162.

A. Pambudi, “Penerapan Crisp-Dm Menggunakan Mlr K-Fold Pada Data Saham Pt. Telkom Indonesia (Persero) Tbk (Tlkm) (Studi Kasus: Bursa Efek Indonesia Tahun 2015-2022),†J. Data Min. dan Sist. Inf., vol. 4, no. 1, p. 1, 2023, doi: 10.33365/jdmsi.v4i1.2462.

E. Oktafanda, “Klasifikasi Citra Kualitas Bibit dalam Meningkatkan Produksi Kelapa Sawit Menggunakan Metode Convolutional Neural Network (CNN),†J. Inform. Ekon. Bisnis, vol. 4, no. 3, pp. 72–77, 2022, doi: 10.37034/infeb.v4i3.143.

M. A. Hanin, R. Patmasari, and R. Y. Nur, “Sistem Klasifikasi Penyakit Kulit Menggunakan Convolutional Neural Network ( Cnn ) Skin Disease Classification System Using Convolutional Neural Network ( Cnn ),†e-Proceeding Eng., vol. 8, no. 1, pp. 273–281, 2021.

M. I. Dinata, N. Sulistianingsih, and S. A. A. Yusuf, “Implementasi Deep Learning Dalam Klasifikasi Citra Gambar Dengan Menggunakan Metode CNN,†J. Inf. Technol. Syst., pp. 14–19, 2023.

S. Sheila, I. Permata Sari, A. Bagas Saputra, M. Kharil Anwar, and F. Restu Pujianto, “Deteksi Penyakit Pada Daun Padi Berbasis Pengolahan Citra Menggunakan Metode Convolutional Neural Network (CNN),†Multinetics, vol. 9, no. 1, pp. 27–34, 2023, doi: 10.32722/multinetics.v9i1.5255.

A. Muriagista and D. Kurniadi, “IMPLEMENTASI ARSITEKTUR RESNET50 PADA KLASIFIKASI MOTIF BATIK INDONESIA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK ( CNN ),†vol. 2, no. 4, 2025.

A. Herbert, P. Sitohang, T. I. Hermanto, and C. D. Lestari, “TUMBUHAN STROBERI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK ARSITEKTUR,†vol. 12, no. 3, 2024.

Downloads

Published

2026-01-30

Issue

Vol. 14 No. 1 (2026)

Section

Articles

License

Copyright (c) 2026 JUSTIN (Jurnal Sistem dan Teknologi Informasi)

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

The author owns the copyright in his paper and agrees to publish his paper to JUSTIN by giving the rights to the first publication of his paper which is simultaneously licensed under the Creative Commons Attribution License, namely the Similar International 4.0 license (CC BY-NC-SA 4.0).  

                             

This is a human-readable summary of (and not a substitute for) the license. Disclaimer.

You are free to:
Share "” copy and redistribute the material in any medium or format
Adapt "” remix, transform, and build upon the material
The licensor cannot revoke these freedoms as long as you follow the license terms.

Under the following terms:
Attribution "” You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
NonCommercial "” You may not use the material for commercial purposes.
ShareAlike "” If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
No additional restrictions "” You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.

Notices:
You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation.
No warranties are given. The license may not give you all of the permissions necessary for your intended use. For example, other rights such as publicity, privacy, or moral rights may limit how you use the material.