Klasifikasi Penyakit Pada Tanaman Kembang Kol Menggunakan Arsitektur VGG19 dan Support Vector Machine (SVM) + LIME

Abstract

Kembang kol (Brassica oleracea L. botrytis) merupakan sayuran penting yang rentan terhadap berbagai penyakit yang dapat menurunkan produktivitas pertanian. Deteksi dini penyakit tanaman secara manual memerlukan banyak tenaga dan waktu, sehingga diperlukan sistem otomatis untuk meningkatkan efisiensi. Penelitian ini mengembangkan model klasifikasi penyakit kembang kol menggunakan kombinasi VGG19 dan SVM dengan interpretabilitas LIME. Dataset VegNet dari Mendeley Data terdiri dari 7.360 citra digital dengan 4 kelas: bacterial spot rot, black rot, downy mildew, dan kembang kol sehat. Dataset dibagi dengan rasio 80:10:10 untuk training, validation, dan testing. Model VGG19+SVM menggunakan VGG19 sebagai feature extractor dan SVM sebagai classifier dengan modifikasi One-vs-One. Hasil penelitian menunjukkan model VGG19+SVM mencapai akurasi 99,8%, precision 99,75%, recall 99,75%, dan F1-Score 100%, lebih baik dari VGG19 konvensional dengan akurasi 99,46%. Analisis LIME berhasil mengidentifikasi area spesifik pada citra yang menjadi dasar keputusan klasifikasi. Kombinasi VGG19+SVM terbukti efektif untuk deteksi penyakit kembang kol dan dapat diimplementasikan sebagai sistem pendukung keputusan pertanian.