KLASIFIKASI PENYAKIT BUAH KAKAO BERBASIS DEEP LEARNING MENGGUNAKAN ARSITEKTUR HIBRIDA CNN-VIT (CONVOLUTIONAL NEURAL NETWORK-VISION TRANSFORMER)

Penyakit dan serangan hama pada buah kakao merupakan faktor utama yang menurunkan produktivitas dan kualitas hasil panen. Identifikasi manual memerlukan keahlian khusus dan berpotensi menimbulkan kesalahan akibat subjektivitas pengamatan. Penelitian ini bertujuan membangun sistem klasifikasi penyakit buah kakao berbasis citra digital menggunakan pendekatan deep learning
dengan membandingkan tiga model, yaitu CNN ResNet50, Vision Transformer (ViT-B16), dan model hibrida CNN-ViT. Dataset terdiri dari tiga kelas (Healthy, Black Pod Rot, dan Pod Borer) yang telah melalui proses augmentasi. Model hybrid dirancang untuk menggabungkan kemampuan CNN dalam mengekstraksi fitur lokal dan ViT dalam menangkap hubungan global antar fitur. Evaluasi dilakukan
menggunakan metrik akurasi, precision, recall, F1-score, serta AUC-ROC. Selain itu, analisis interpretabilitas dilakukan menggunakan Grad-CAM pada cabang CNN dan Attention Rollout pada cabang ViT untuk memahami area citra yang menjadi dasar pengambilan keputusan model. Hasil pengujian menunjukkan bahwa model Hybrid CNN-ViT memberikan performa terbaik dengan akurasi 97,60%, F1score
0,9756, dan AUC 0,9983, lebih unggul dibandingkan CNN ResNet50 (97,33%) dan ViT-B16 (97,07%). Visualisasi menunjukkan bahwa CNN cenderung menyoroti tekstur lokal secara luas, sedangkan ViT lebih terfokus pada titik gejala utama, sehingga kombinasi keduanya menghasilkan pemahaman yang lebih komprehensif. Dari sisi kompleksitas komputasi, model hybrid memiliki jumlah parameter dan waktu inferensi yang berada di antara CNN dan ViT murni, sehingga menawarkan keseimbangan antara efisiensi dan performa. Hasil ini menunjukkan bahwa pendekatan Hybrid CNN-ViT efektif dan optimal dalam mendukung sistem klasifikasi penyakit buah kakao berbasis citra digital serta berpotensi dikembangkan sebagai sistem pendukung keputusan untuk membantu petani melakukan identifikasi penyakit secara lebih cepat dan akurat.

Kata kunci: Kakao, klasifikasi penyakit, CNN, Vision Transformer, Hybrid CNNViT, Grad-CAM, Attention Rollout, AUC-ROC.