Identifikasi Penyakit Pada Buah Kopi Menggunakan Metode Convolutional Neural Networks

Sektor perkebunan kopi memiliki peran penting dalam meningkatkan nilai ekonomi hasil pertanian. Namun, serangan hama dan penyakit seperti penggerek buah dan kutu putih dapat menurunkan kualitas serta hasil produksi kopi. Proses
identifikasi yang masih dilakukan secara manual memiliki keterbatasan dalam hal ketelitian dan efisiensi waktu. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem identifikasi citra buah kopi berbasis Convolutional Neural Network (CNN) untuk mendeteksi kondisi kopi sehat, Hypothenemus Hampei (Penggerek Buah), dan Ferrisia Virgate (Kutu Putih). Dataset yang digunakan berjumlah 1.104 citra buah kopi yang terbagi ke dalam tiga kelas, yaitu kopi sehat, penggerek buah, dan kutu putih. Data dibagi menjadi data pelatihan, validasi, dan pengujian dengan rasio 70:20:10 serta dilakukan augmentasi untuk meningkatkan
variasi data. Beberapa arsitektur CNN diuji dalam penelitian ini, dan hasil pengujian menunjukkan bahwa arsitektur MobileNetV2 memperoleh performa terbaik dengan akurasi pengujian sebesar 100%. Berdasarkan hasil tersebut, dapat disimpulkan bahwa MobileNetV2 efektif dalam mengklasifikasikan kondisi buah kopi dan berpotensi diterapkan sebagai sistem deteksi otomatis untuk mendukung
peningkatan kualitas produksi kopi.
Kata kunci: Klasifikasi Citra, Penyakit Buah kopi, MobileNetV2, Convolutional Neural Network, Deep Learning