| Tujuan dari penelitian ini adalah merancang sistem pendeteksi penyakit tanaman tomat menggunakan Faster R-CNN. Sistem pengenalan penyakit daun tomat ini menggunakan dataset yang terdiri dari daun tomat sehat dan delapan jenis penyakit daun, yaitu Early Blight, Late Blight, Leaf Mold, Mosaic Virus, Septoria, Spider Mites, Yellow Leaf Curl Virus, dan Leaf Miner. Dataset ini diperoleh dari berbagai sumber, seperti Kaggle, Google Images, Bing Images, dan Roboflow Universe. Teknik pre-processing , termasuk kolase, tile, stacic crop , dan penyamaan resolusi, diterapkan untuk mempersiapkan dataset untuk pelatihan. Metode augmentasi data, seperti flipping, rotasi 90°, penyesuaian exposure dan modifikasi hue juga digunakan untuk meningkatkan kinerja model. Pada penelitian ini, implementasi sistem menggunakan model Faster R-CNN dari Detectron2 . Hasilnya menunjukkan bahwa model Faster R-CNN X101-FPN dengan konfigurasi default Detectron2 cukup efisien dalam mendeteksi penyakit pada daun tomat. Sistem ini menghasilkan skor average precision sebesar 87,01% untuk hasil validasi. |