KLASIFIKASI PENYAKIT JERUK BERDASARKAN KOMBINASI FITUR MENGGUNAKAN MODEL DENSENET-169M. HaikalFirdausauthorPenyakit pada tanaman jeruk merupakan salah satu faktor utama yang menyebabkan penurunan produktivitas dan kualitas hasil panen. Identifikasi penyakit secara dini melalui citra digital menjadi pendekatan yang efektif untuk mendukung sistem pertanian cerdas. Penelitian ini mengusulkan penggunaan model DenseNet-169 untuk klasifikasi penyakit jeruk berbasis citra, dengan dua skenario pengujian, yaitu DenseNet-169 tanpa kombinasi fitur dan DenseNet-169 dengan kombinasi fitur warna. Pengujian dilakukan pada tiga dataset, yaitu Fruit Disease Image (FDI), Leaf Disease Image (LDI), dan Mixed Disease Image (MDI), dengan masingmasing skenario dijalankan sebanyak lima kali running untuk menguji konsistensi performa model. Evaluasi dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil eksperimen menunjukkan bahwa DenseNet-169 tanpa kombinasi fitur menghasilkan performa terbaik, dengan rata-rata akurasi mencapai 99,66% pada FDI, 98,66% pada LDI, dan 98,83% pada MDI. Sementara itu, skenario dengan kombinasi fitur tetap menunjukkan performa tinggi, namun dengan akurasi yang relatif lebih rendah, terutama pada dataset LDI. Analisis confusion matrix menunjukkan bahwa model memiliki kemampuan generalisasi yang sangat baik, khususnya pada dataset MDI yang menggabungkan citra daun dan buah jeruk. Secara keseluruhan, penelitian ini membuktikan bahwa DenseNet-169 efektif digunakan untuk klasifikasi penyakit jeruk, dan bahwa penambahan kombinasi fitur tidak selalu meningkatkan performa model apabila fitur yang digunakan menimbulkan redundansi informasi.000 Ilmu komputer, informasi dan pekerjaan umum2026-01-20Universitas AMIKOM Yogyakarta;Pascasarjana Magister InformatikaThesis