Klasifikasi Penyakit Daun Tanaman Jagung Menggunakan Pendekatan Transfer Learning Arsitektur MobileNetV4
DOI:
https://doi.org/10.55826/jtmit.v4i4.1393Keywords:
Penyakit Daun Jagung, MobileNetV4, Klasifikasi, Convolutional Neural Network, Transfer Learning, OptimizerAbstract
Jagung (Zea mays) merupakan komoditas pangan utama, namun produktivitasnya terhambat oleh serangan penyakit daun. Identifikasi penyakit daun jagung secara manual memakan waktu dan bersifat subjektif. Penelitian ini bertujuan mengembangkan model klasifikasi otomatis menggunakan Convolutional Neural Network (CNN) berbasis transfer learning dengan mengevaluasi tiga varian arsitektur MobileNetV4 (Small, Medium, Large) serta membandingkan optimizer Adam dan SGD. Peneliti menggunakan 4000 citra daun jagung dari empat kelas dengan pembagian 80% data pelatihan, 10% data validasi dan 10% data pengujian. Hasil eksperimen menunjukkan bahwa model terbaik diperoleh dari MobileNetV4-Conv-Medium dengan optimizer SGD, yang mencapai akurasi validasi tertinggi 95,25% dan F1-Score 92,00% dengan penggunaan hyperparameter learning rate 0.01, epoch 50 dan batch size 32. Kinerja ini menegaskan potensi MobileNetV4, khususnya varian Medium, dalam mencapai keseimbangan optimal antara efisiensi komputasi dan kinerja klasifikasi, menjadikannya model yang sangat menjanjikan untuk implementasi sebagai sistem mobile dalam pertanian presisi.
References
[1] N. S. Amin, “Efisiensi Pemasaran Jagung Bisi-18 (Zea Mays) Di Desa Keang Kecamatan Kalukku Kabupaten Mamuju,” Journal Agrimu, Vol. 2, Pp. 22–28, Jul. 2022, Doi: 10.26618/Agm.V2i2.7810.
[2] Kementrian Pertanian, “Analisis Kinerja Perdagangan Jagung Pusat Data Dan Sistem Informasi Pertanian Sekretariat Jenderal Kementerian Pertanian 2024,” Jakarta, 2024.
[3] Dinas Pertanian, “Luas Panen Dan Produksi Jagung Di Indonesia 2024,” Aug. 2025.
[4] M. Fraiwan, E. Faouri, And N. Khasawneh, “Classification Of Corn Diseases From Leaf Images Using Deep Transfer Learning,” Mdpi Plants, Vol. 11, No. 20, Oct. 2022, Doi: 10.3390/Plants11202668.
[5] M. A. Setyawan, P. Kasih, And M. A. D. Widyadara, “Klasifikasi Penyakit Daun Jagung Berdasarkan Ruang Warna Hsv Dan Fitur Tekstur Dengan Algoritma K-Nn,” Prosiding Semnas Inotek (Seminar Nasional Inovasi Teknologi), No. 3, Pp. 067–072, Jul. 2022, Doi: 10.29407/Inotek.V6i3.2655.
[6] S. S. Putro, N. Ansori, M. Fuad, E. M. S. Rochman, Y. P. Asmara, And A. Rachmad, “Corn Leaf Disease Classification Using Convolutional Neural Network Based On Mobilenetv2 With Rmsprop Optimization,” Mathematical Modelling Of Engineering Problems, Vol. 12, No. 2, Pp. 465–474, 2025, Doi: 10.18280/Mmep.120211.
[7] B. Widianto, E. Utami, And D. Ariatmanto, “Identifikasi Penyakit Tanaman Jagung Berdasarkan Citra Daun Menggunakan Convolutional Neural Network,” Techno.Com, Vol. 22, No. 3, Pp. 599–608, Aug. 2023, Doi: 10.33633/Tc.V22i3.8425.
[8] W. Maximilliano And N. Rachmat, “Comparative Analysis Of Mobilenetv3-Large And Small For Corn Leaf Disease Classification,” Brilliance: Research Of Artificial Intelligence, Vol. 5, No. 1, Pp. 325–332, Jul. 2025, Doi: 10.47709/Brilliance.V5i1.6259.
[9] J. B. J. R. Openg, M. Endah Hiswati, And H. Hamzah, “Klasifikasi Unggas Ordo Anseriformes Berdasarkan Citra Menggunakan Metode Deep Learning Dengan Algoritma Convolutional Neural Network (Cnn),” Seminar Nasional Teknik Elektro, Informatika Dan Sistem Informasi, Vol. 1, No. 1, Aug. 2022, Doi: 10.35842/Sintaks.V1i1.3.
[10] R. Mawarni, R. Wulaningrum, And R. Helilintar, “Implementasi Metode Cnn Pada Klasifikasi Penyakit Jagung,” Prosiding Semnas Inotek (Seminar Nasional Inovasi Teknologi), Vol. 7, No. 3, Pp. 1256–1263, 2023, Doi: 10.29407/Inotek.V7i3.3566.
[11] I. P. Putra, R. Rusbandi, And D. Alamsyah, “Klasifikasi Penyakit Daun Jagung Menggunakan Metode Convolutional Neural Network,” Jurnal Algoritme, Vol. 2, No. 2, Pp. 102–112, Apr. 2022, Doi: 10.35957/Algoritme.V2i2.2360.
[12] H. Amin, A. Darwish, A. E. Hassanien, And M. Soliman, “End-To-End Deep Learning Model For Corn Leaf Disease Classification,” Ieee Access, Vol. 10, Pp. 31103–31115, 2022, Doi: 10.1109/Access.2022.3159678.
[13] Y. Chen Et Al., “Dfcanet: A Novel Lightweight Convolutional Neural Network Model For Corn Disease Identification,” Agriculture (Switzerland), Vol. 12, No. 12, P. 2047, Dec. 2022, Doi: 10.3390/Agriculture12122047.
[14] Q. N. Azizah, “Klasifikasi Penyakit Daun Jagung Menggunakan Metode Convolutional Neural Network Alexnet,” Sudo Jurnal Teknik Informatika, Vol. 2, No. 1, Pp. 28–33, Feb. 2023, Doi: 10.56211/Sudo.V2i1.227.
[15] D. R. Fernandes And N. Rachmat, “Klasifikasi Non-Destruktif Kemanisan Semangka Manohara Menggunakan Transfer Learning Vgg-16,” Jurnal Teknologi Dan Manajemen Industri Terapan (Jtmit), Vol. 4, No. 4, Pp. 1330–1339, 2025, Doi: 10.55826/81wv2s06.
[16] A. N. Inaya, A. U. Rahma, M. Jannah, L. R. K. Arafah, L. L. Ishak, And M. R. Edy, “Klasifikasi Citra Dengan Pendekatan Transfer Learning Pada Gambar Fauna Terbang,” Jurnal Mediatik: Jurnal Media Pendidikan Teknik Informatika Dan Komputer, Vol. 85, No. 1, 2024, Doi: 10.59562/Mediatik.V7i1.2785.
[17] C. Bi, S. Xu, N. Hu, S. Zhang, Z. Zhu, And H. Yu, “Identification Method Of Corn Leaf Disease Based On Improved Mobilenetv3 Model,” Agronomy, Vol. 13, No. 2, P. 300, Feb. 2023, Doi: 10.3390/Agronomy13020300.
[18] R. T. Wahyuningrum, R. Erfian, A. Kusumaningsih, And H. P. A. Tjahyaningtijas, “Klasifikasi Penyakit Daun Jagung Menggunakan Model Deep Learning Efficientnetb5,” Jurnal Pekommas, Vol. 10, No. 1, Jun. 2025, Doi: 10.56873/Jpkm.V9i1.5322.
[19] D. Qin Et Al., “Mobilenetv4: Universal Models For The Mobile Ecosystem,” Apr. 2024. Doi: 10.48550/Arxiv.2404.10518.
[20] R. Rastogi, “Papers Explained 232: Mobilenetv4 | By Ritvik Rastogi | Medium,” Medium.Com. Accessed: Nov. 07, 2025. [Online]. Available: Https://Ritvik19.Medium.Com/Papers-Explained-232-Mobilenetv4-83a526887c30
[21] S. I. Saputra, “Corn Leaf Disease [Dataset],” Kaggle. Accessed: Nov. 22, 2025. [Online]. Available: Https://Www.Kaggle.Com/Datasets/Ndisan/Corn-Leaf-Disease
[22] S. Ghose, “Corn Or Maize Leaf Disease Dataset,” Kaggle. Accessed: Nov. 22, 2025. [Online]. Available: Https://Www.Kaggle.Com/Datasets/Smaranjitghose/Corn-Or-Maize-Leaf-Disease-Dataset
[23] D. Trimakno And Kusrini, “Impact Of Augmentation On Batik Classification Using Convolution Neural Network And K-Neareast Neighbor,” In 2021 4th International Conference On Information And Communications Technology (Icoiact), Ieee, Aug. 2021, Pp. 285–289. Doi: 10.1109/Icoiact53268.2021.9564000.
[24] L. Hakim, A. Sobri, L. Sunardi, And D. Nurdiansyah, “Prediksi Penyakit Jantung Berbasis Mesin Learning Dengan Menggunakan Metode K-Nn,” Jurnal Digital Teknologi Informasi, Vol. 7, No. 2, P. 14, Feb. 2025, Doi: 10.32502/Digital.V7i2.9429.
[25] Z. Xie, I. Sato, And M. Sugiyama, “A Diffusion Theory For Deep Learning Dynamics: Stochastic Gradient Descent Exponentially Favors Flat Minima,” Jan. 2021, [Online]. Available: Http://Arxiv.Org/Abs/2002.03495
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Muhammad Naufal Anugrah, Nur Rachmat
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
