IMPLEMENTASI ALGORITMA DEEP LEARNING ARSITEKTUR RESNET-50 UNTUK DETEKSI PENYAKIT DAUN TOMAT PADA PETANI DI KOTA SALAKAN, KABUPATEN BANGGAI KEPULAUAN

FAHRUDDIN A. LEBE, Implementasi Algoritma Deep Learning Arsitektur Resnet-50 untuk Deteksi Penyakit Daun Tomat pada Petani Di Kota Salakan, Kabupaten Banggai Kepulauan, dibimbing oleh Dr. Ir. AMRIANA, ST., MT.

Identifikasi penyakit daun tomat yang masih dilakukan secara manual berpotensi menimbulkan kesalahan diagnosis akibat variasi pengalaman petani dan kondisi lingkungan lapangan. Pengembangan model deep learning berbasis arsitektur ResNet-50 dengan pendekatan transfer learning dilakukan menggunakan kombinasi dataset lokal hasil dokumentasi petani Kota Salakan dan dataset publik. Dataset akhir berjumlah 2.500 citra yang terbagi ke dalam lima kelas dan dipartisi menjadi data training (80%), validation (10%), dan testing (10%). Tahapan meliputi preprocessing (resize 224×224 piksel, normalisasi, dan augmentasi), pelatihan menggunakan optimizer Adam dengan mekanisme Early Stopping dan Reduce Learning Rate on Plateau, serta evaluasi menggunakan accuracy, precision, recall, F1-score, dan confusion matrix. Hasil pengujian pada data testing menunjukkan akurasi sebesar 98,67%, dengan training accuracy 99,41?n validation accuracy 97,33%, sehingga tidak terjadi overfitting signifikan. Model selanjutnya diintegrasikan dengan sistem rekomendasi berbasis pengetahuan untuk menghasilkan saran penanganan penyakit secara otomatis. Implementasi ini menunjukkan efektivitas ResNet-50 berbasis data lokal serta kontribusinya dalam mendukung pengambilan keputusan petani secara cepat dan akurat.

Kata kunci: Penyakit Daun Tomat, Deep Learning, ResNet-50, transfer learning, sistem rekomendasi.