Performance Improvement of CNN Algorithm with Data Augmentation for Tobacco Leaf Disease Classification
DOI:
https://doi.org/10.30736/jt.v18i1.1639Keywords:
Augmentasi Data, CNN, Penyakit Daun Tembakau, KlasifikasiAbstract
Pengolahan citra digital daun tembakau merupakan pendekatan penting dalam deteksi dini dan akurat penyakit tanaman, khususnya untuk komoditas pertanian bernilai ekonomi tinggi. Penelitian ini mengusulkan pendekatan augmentasi data multi-strategi untuk meningkatkan akurasi klasifikasi penyakit daun tembakau menggunakan Convolutional Neural Networks (CNN). Tiga teknik augmentasi diterapkan: augmentasi tradisional, augmentasi sampel campuran, dan augmentasi berbasis model pada tiga arsitektur CNN (MobileNetV2, EfficientNetB0, dan VGG16). Dataset terdiri dari 400 citra daun tembakau dengan lima kelas penyakit yang dikumpulkan dari Kabupaten Wonosobo. Eksperimen dilakukan dengan dua skenario pembagian data: 70:30 dan 80:20. Hasil menunjukkan bahwa penerapan augmentasi multi-strategi berhasil meningkatkan akurasi klasifikasi hingga 81,25% pada MobileNetV2 dengan rasio 80:20, yang mewakili peningkatan 20% dibandingkan dengan model tanpa augmentasi. Selain itu, teknik augmentasi secara efektif mengurangi overfitting dengan menurunkan selisih antara akurasi pelatihan dan validasi dari 0,5-0,7 menjadi 0,1-0,2.
Downloads
References
omar, K., Aysel, H. I., & Cai, X. (2023). Data Augmentation in Classification and Segmentation: A Survey and New Strategies. Journal of Imaging, 9(2). https://doi.org/10.3390/jimaging9020046
Álvarez, F. M., Lora, A. T., Muñoz, J. A. S., Quintián, H., & Corchado, E. (2020). Creation of Synthetic Data with Conditional Generative Adversarial Networks. Advances in Intelligent Systems and Computing, 950, v–vi. https://doi.org/10.1007/978-3-030-20055-8
Atila, Ü., Uçar, M., Akyol, K., & Uçar, E. (2021). Plant leaf disease classification using EfficientNet deep learning model. Ecological Informatics, 61, 101182. https://doi.org/10.1016/j.ecoinf.2020.101182
Bichri, H., Chergui, A., & Hain, M. (2024). Investigating the Impact of Train / Test Split Ratio on the Performance of Pre-Trained Models with Custom Datasets. International Journal of Advanced Computer Science and Applications, 15(2), 331–339. https://doi.org/10.14569/IJACSA.2024.0150235
Carratino, L., Cissé, M., Jenatton, R., & Vert, J. P. (2022). On Mixup Regularization. Journal of Machine Learning Research, 23, 1–31.
D Blancard (INRAe). (n.d.). Tobacco - Sunburn, Sunscald. Retrieved July 5, 2025, from https://ephytia.inra.fr/en/C/10977/Tobacco-Sunburn-Sunscald
Dong, K., Zhou, C., Ruan, Y., & Li, Y. (2020). MobileNetV2 Model for Image Classification. Proceedings - 2020 2nd International Conference on Information Technology and Computer Application, ITCA 2020, 476–480. https://doi.org/10.1109/ITCA52113.2020.00106
Dorner, Z. (2021). That “Bulky Commodity, Tobacco.” Chest, 159(5), 2099–2103. https://doi.org/10.1016/j.chest.2020.12.024
Guo, S., & Wong, S. M. (2020). A conserved carboxylesterase inhibits Tobacco mosaic virus (TMV) Accumulation in Nicotiana benthamiana plants. Viruses, 12(2). https://doi.org/10.3390/v12020195
Harlita, H. (2021). Intensitas Serangan Hama Dan Patogen Pada Bibit Tembakau (Nicotiana tabaccum L.) Di Dinas Pangan Pertanian Kelautan Dan Perikanan Kota Langsa. Biologica Samudra, 3(1), 25–34. https://doi.org/10.33059/jbs.v3i1.2226
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Rizqy Agung Nurhidayatullah, Ema Utami, Dhani Ariatmanto
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Jurnal Teknika dilisensikan di bawah Attribution-ShareAlike 4.0 International (CC BY-SA 4.0). Anda bebas untuk:
Â
- Bagikan — salin dan distribusikan ulang materi dalam media atau format apa pun
- Beradaptasi — me-remix, mengubah, dan membangun materi untuk tujuan apa pun, bahkan secara komersial. Lisensi ini dapat diterima untuk Karya Budaya Bebas.
Pemberi lisensi tidak dapat mencabut kebebasan ini selama Anda mengikuti persyaratan lisensi.
- Atribusi — Anda harus memberikan kredit yang sesuai, memberikan tautan ke lisensi, dan menunjukkan jika ada perubahan. Anda dapat melakukannya dengan cara yang wajar, tetapi tidak dengan cara apa pun yang menunjukkan bahwa pemberi lisensi mendukung Anda atau penggunaan Anda.
- ShareAlike — Jika Anda me-remix, mengubah, atau membangun materi, Anda harus mendistribusikan kontribusi Anda di bawah lisensi yang sama seperti aslinya.
- Tidak ada batasan tambahan — Anda tidak boleh menerapkan persyaratan hukum atau tindakan teknologi yang secara hukum membatasi orang lain untuk melakukan apa pun yang diizinkan oleh lisensi.
Â
Hak Cipta
Penulis yang menerbitkan dengan jurnal ini menyetujui persyaratan berikut:
Â
Penulis mempertahankan hak cipta dan memberikan jurnal hak publikasi pertama dengan karya yang dilisensikan secara bersamaan di bawah Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang memungkinkan orang lain untuk berbagi karya dengan pengakuan kepenulisan karya dan publikasi awal di jurnal ini .
Penulis dapat membuat pengaturan kontrak tambahan yang terpisah untuk distribusi non-eksklusif dari versi jurnal yang diterbitkan dari karya tersebut (misalnya, mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan publikasi awalnya di jurnal ini.
Penulis diizinkan dan didorong untuk memposting karya mereka secara online (misalnya, di repositori institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif, serta kutipan lebih awal dan lebih besar dari karya yang diterbitkan (Lihat Pengaruh Akses Terbuka).
 
Jutnal teknika oleh Universitas Islam Lamongan berlisensi Creative Commons Attribution-ShareAlike 4.0 International License.
Berdasarkan karya di https://jurnalteknik.unisla.ac.id/index.php/teknika/index
