Chili Pepper Leaf Segmentation for Early Detection of Anthracnose Disease Using Otsu Thresholding and CNN
Keywords:
chili pepper leaf, anthracnose, Otsu Thresholding, image segmentation, Convolutional Neural Network, deep learningAbstract
Background: Anthracnose is a disease that affects chili plants, potentially reducing both crop quality and productivity. Conventional identification via visual inspection relies on the observer's experience in recognizing symptoms and is prone to subjectivity. Digital image processing and deep learning can assist in disease identification based on leaf images. Objective: This study aims to apply Otsu Thresholding for leaf object segmentation and a Convolutional Neural Network (CNN) to classify chili leaf images into "healthy" and "anthracnose" categories. Methods: The research process involved dataset collection, preprocessing, Otsu Thresholding segmentation, normalization, dataset splitting, CNN training, testing, and evaluation. Images were resized to 224 × 224 pixels, and pixel values were normalized to a 0–1 range. Evaluation was conducted using a confusion matrix, accuracy, precision, recall, and F1-score. Results: Final numerical results were derived from model experiments on the research dataset, encompassing accuracy, precision, recall, and F1-score values, as well as the confusion matrix distribution. Conclusion: The combination of Otsu Thresholding segmentation and CNN serves as an approach to focus the classification process on the leaf object and facilitate the early detection of anthracnose. Testing on datasets featuring varied backgrounds, lighting, and field conditions is necessary to assess the model's generalization capabilities.
Downloads
References
[1] H. I. Kim, J. Y. Yoon, dan H. J. Ju, “Diagnosis Anthracnose of Chili Pepper Using Convolutional Neural Networks Based Deep Learning Models,” Plant Pathol. J., vol. 41, no. 1, hal. 100–111, Feb 2025, doi: 10.5423/PPJ.OA.11.2024.0178.
[2] N. N. Ahmad Loti, M. R. Mohd Noor, dan S. W. Chang, “Integrated analysis of machine learning and deep learning in chili pest and disease identification,” J. Sci. Food Agric., vol. 101, no. 9, hal. 3582–3594, Jul 2021, doi: 10.1002/jsfa.10987.
[3] M. Sibiya dan M. Sumbwanyambe, “Automatic fuzzy logic-based maize common rust disease severity predictions with thresholding and deep learning,” Pathogens, vol. 10, no. 2, hal. 1–17, 2021, doi: 10.3390/pathogens10020131.
[4] M. A. Restuning Pamuji dan D. Putra Pamungkas, “Segmentasi Citra Daun Bawang Merah Menggunakan Metode Thresholding Otsu,” Nusant. Eng., vol. 6, no. 2, hal. 169–174, 2023, doi: 10.29407/noe.v6i2.20553.
[5] M. D. Pratama, R. Gustriansyah, dan E. Purnamasari, “Klasifikasi Penyakit Daun Pisang menggunakan Convolutional Neural Network (CNN),” J. Teknol. Terpadu, vol. 10, no. 1, hal. 1–6, 2024, doi: 10.54914/jtt.v10i1.1167.
[6] J. Simangunsong, N. D. Simanjuntak, dan A. A. Matondang, “Penerapan Transfer Learning untuk Klasifikasi Citra Bunga Berbasis Convolutional Neural Network,” J. Minfo Polgan, vol. 14, no. 1, hal. 1062–1067, 2025, doi: 10.33395/jmp.v14i1.14980.
[7] A. Rahman, M. Salim, dan I. Riadi, “Klasifikasi Citra Spesies Bunga Di Indonesia Berbasis Convolutional Neural Network Menggunakan Teknik Transfer Learning,” J. Softw. Eng. Comput. Intell., vol. 2, no. 02, hal. 92–100, 2025, doi: 10.36982/jseci.v2i02.4942.
[8] B. S. Wijaya, R. Munir, dan N. P. Utama, “Segmentasi Awan pada Citra Satelit Multispektral Menggunakan Convolutional Neural Networks,” J. Teknol. Inf. dan Ilmu Komput., vol. 12, no. 6, hal. 1251–1260, 2025, doi: 10.25126/jtiik.2025125.
[9] Subhan Bole Boly dan Mutaqin Akbar, “Segmentasi Citra Sel Darah Menggunakan Convolutional Neural Network,” J. RESTIKOM Ris. Tek. Inform. dan Komput., vol. 6, no. 2, hal. 390–398, 2024, doi: 10.52005/restikom.v6i2.336.
[10] N. B. Pamungkas dan A. Suhendar, “Penerapan Metode Convolutional Neural Network pada Sistem Klasifikasi Penyakit Tanaman Apel berdasarkan Citra Daun,” Edumatic J. Pendidik. Inform., vol. 8, no. 2, hal. 675–684, 2024, doi: 10.29408/edumatic.v8i2.27958.
[11] N. Istiqomah dan M. Murinto, “Klasifikasi Penyakit Tanaman Padi Berbasis Citra Daun Menggunakan Convolutional Neural Network (CNN),” JSTIE (Jurnal Sarj. Tek. Inform., vol. 12, no. 1, hal. 18, 2024, doi: 10.12928/jstie.v12i1.27314.
[12] M. A. R. Mahardika, N. Yudistira, dan A. Ridok, “Sistem Rekognisi Citra Digital Bahasa Isyarat Menggunakan Convolutional Neural Network dan Spatial Transformer,” J. Teknol. Inf. dan Ilmu Komput., vol. 11, no. 6, hal. 1159–1168, 2024, doi: 10.25126/jtiik.1078098.
[13] Moh. Heri Susanto, Irwan Budi Santoso, Suhartono, dan Ahmad Fahmi Karami, “Klasifikasi Penyakit Padi Menggunakan Convolutional Neural Network (CNN) Berbasis Citra Daun,” J. Nas. Tek. Elektro dan Teknol. Inf., vol. 14, no. 3, hal. 181–189, 2025, doi: 10.22146/jnteti.v14i3.18791.
[14] M. S. Shahab, A. Junaidi, dan A. N. Sihananto, “Klasifikasi Citra Plankton Dengan Algoritma Hibrida Convolutional Neural Network Dan Extreme Learning Machine,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 3S1, 2024, doi: 10.23960/jitet.v12i3s1.5219.
[15] N. Putri Arafa, S. Rahma Basri, R. Ratnasari, dan R. Adi Saputra, “Klasifikasi Penyakit Pada Daun Tanaman Cabai Dengan Pendekatan Artificial Neural Network (Ann),” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 6, hal. 12865–12871, 2024, doi: 10.36040/jati.v8i6.12140.
[16] P. A. Azli, M. Minarni, A. Syahrani, G. Y. Swara, dan A. Anisya, “Segmentasi Citra Daun Tomat untuk Klasifikasi Penyakit Tanaman Menggunakan Support Vector Machine (SVM),” J. Inform. J. Pengemb. IT, vol. 10, no. 4, hal. 997–1008, 2025, doi: 10.30591/jpit.v10i4.9404.
[17] Fajri Pramana Putra dan Niki Ratama, “Klasifikasi Penyakit Daun Padi Berbasis Android Menggunakan Convolutional Neural Network (Cnn) Dan Transfer Learning Mobilenetv3,” Inform. J. Tek. Inform. dan Multimed., vol. 6, no. 1, hal. 288–297, 2026, doi: 10.51903/informatika.v6i1.1622.
[18] N. Sasita, Futri Zalzabilah Ray, M.Fauzanil Wildan A.R., Tantowi Hutagalung, dan Rokhmat Febrianto, “Deep Learning-Based Brain Tumor Classification Using Convolutional Neural Network,” J. Elektro, vol. 18, no. 1, hal. 20–27, 2025, doi: 10.25170/jurnalelektro.v18i1.6658.
[19] N. K. M. Khalid, N. Jamal, F. Mustafa, N. A. Zambri, M. Syah, dan R. Abdullah, “Solar Power IoT Based Smart Agriculture System Using NodeMCU ESP32,” Penerbit Uthm, vol. 5, no. 1, hal. 95–102, 2024, [Daring]. Tersedia pada: https://publisher.uthm.edu.my/periodicals/index.php/peat
[20] Y. Mulyana Prayoga, D. Wahyuni, dan Elisawati, “Deteksi Penyakit Tanaman Cabai Berbasis Deep Learning Menggunakan Convolutional Neural Network Secara Real Time,” J. Unitek, vol. 18, no. 2, hal. 292–302, 2025, doi: 10.52072/unitek.v18i2.1467.
[21] A. N. Ramadani dan Rujianto Eko Saputro, “Deteksi Dini Katarak Berbasis Citra Mata Menggunakan Metode Deep Learning Convolutional Neural Network (Cnn),” Rabit J. Teknol. dan Sist. Inf. Univrab, vol. 11, no. 2, hal. 2882–2891, 2026, doi: 10.36341/rabit.v11i2.7914.
[22] A. Achmadi, B. Akramul Umam, dan A. Anwari, “Identifikasi Penyakit Daun Tembakau Berbasis Pengolahan Citra dengan Metode Convolutional Neural Network (CNN) Dan Metode Transfer Learning,” J. SISKOM-KB (Sistem Komput. dan Kecerdasan Buatan), vol. 8, no. 1, hal. 10–16, 2024, doi: 10.47970/siskom-kb.v7i3.654.
[23] M. Gugus Azhari, M. Ajid Husain, dan M. Lutfi, “Transfer Learning Convolutional Neural Network Dengan Arsitektur Efficientnet Untuk Identifikasi Penyakit Daun Cabai,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 5, hal. 3662–3666, 2024, doi: 10.36040/jati.v7i5.7791.
[24] L. Mahdiyah, S. Oktamuliani, dan W. L. Putri, “Penerapan Algoritma Deep Learning YOLOv8 pada Platform Roboflow untuk Segmentasi Citra Panoramik,” J. Fis. Unand, vol. 14, no. 3, hal. 228–234, 2025, doi: 10.25077/jfu.14.3.228-234.2025.
[25] B. Suswati, “Implementasi Convolutional Neural Network pada Klasifikasi Citra Daun Tanaman Hias,” Decod. J. Pendidik. Teknol. Inf., vol. 4, no. 2, hal. 554–565, 2024, doi: 10.51454/decode.v4i2.590.
[26] D. Lisnawati dan M. Fachrie, “Klasifikasi Penyakit Daun Alpukat Menggunakan Convolutional Neural Network (Cnn) Berbasis Citra,” JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 6, hal. 10325–10332, 2025, doi: 10.36040/jati.v9i6.16455.
[27] L. febby Olivia, Y. Yuhandri, dan S. Arlis, “Penerapan Deep Learning Menggunakan Metode Convolutional Neural Network dan K-Means dalam Klasterisasi Citra Butiran Pasir,” J. KomtekInfo, hal. 54–62, 2025, doi: 10.35134/komtekinfo.v12i1.629.
[28] M. Salman, R. Kurniawan, B. Intan, dan B. Santoso, “Deteksi Dini Terhadap Penyakit Tumor Otak Menggunakan Citra Magnetik Resonance Imaging (MRI) dengan Pendekatan Deep Convolutional Neural Network,” J. Ilm. Inform., vol. 10, no. 1, hal. 37–41, 2025, doi: 10.35316/jimi.v10i1.37-41.
[29] T. Brian, A. P. Pujiputra, Putri Nur Rahayu, I. F. Augustino, P. Parman, dan I. I. D. Bone, “Segmentasi Citra Pengelasan Kapal Menggunakan Convolutional Neural Network,” SENTRI J. Ris. Ilm., vol. 4, no. 10, hal. 2511–2525, 2025, doi: 10.55681/sentri.v4i10.4767.
[30] M. B. Sastramandala, R. N. Sari, dan N. Novrina, “Pemanfaatan Deep Learning menggunakan Convolutional Neural Network Terhadap Penyakit Tuberkulosis melalui Citra Rontgen,” J. Minfo Polgan, vol. 14, no. 1, hal. 631–642, 2025, doi: 10.33395/jmp.v14i1.14818.
[31] H. Yolanda, L. Hakim, S. Satriansyah, dan T. H. B. Aviani, “Penerapan Convolutional Neural Network Dalam Klasifikasi Daun Tanaman Obat Menggunakan Pendekatan Transfer Learning,” JUSIFOR J. Sist. Inf. dan Inform., vol. 4, no. 2, hal. 149–157, 2025, doi: 10.70609/jusifor.v4i2.7056.
[32] R. Adenia, A. E. Minarno, dan Y. Azhar, “Implementasi Convolutional Neural Network Untuk Ekstraksi Fitur Citra Daun Dalam Kasus Deteksi Penyakit Pada Tanaman Mangga Menggunakan Random Forest,” J. Repos., vol. 4, no. 4, 2024, doi: 10.22219/repositor.v4i4.32287.
[33] A. D. Septian dan A. Suhendar, “Implementasi Algortima Convolutional Neural Network Untuk Deteksi Penyakit Daun Kentang Menggunakan Citra Digital,” J. Inform. Teknol. dan Sains, vol. 6, no. 4, hal. 1017–1025, 2024, doi: 10.51401/jinteks.v6i4.4880.
[34] M. D. Erlangga, I. S. Budi, dan M. Mariana, “Efektivitas Kombinasi Bakteri Streptomyces sp Dengan Pestisida Nabati Daun Sirih Dan Daun Kelakai Terhadap Penyakit Antraknosa Pada Cabai Hiyung,” J. Prot. Tanam. Trop., vol. 8, no. 1, hal. 1089–1100, 2025, doi: 10.20527/jptt.v8i1.3087.
[35] A. Dwisusilo dan I. Yuadi, “Klasifikasi Penyakit Daun Padi Menggunakan Convolutional Neural Network (CNN) Berbasis Pengolahan Citra Digital untuk Mendukung Ketahanan Pangan Nasional,” J. Ilmu Multidisiplin, vol. 4, no. 6, hal. 4240–4251, 2026, doi: 10.38035/jim.v4i6.1617.
[36] Rizki Sanria Prasetyo, Agyztia Premana, dan Nur Ariesanto Ramdhan, “Identifikasi Penyakit Daun Mangga Menggunakan Teknik Pengolahan Citra dan Convolutional Neural Network,” J. Publ. Tek. Inform., vol. 5, no. 1, hal. 341–353, 2026, doi: 10.55606/jupti.v5i1.6693.
[37] Sulton Ibnu Septiyan, N. Vendyansyah, dan D. Rudhistiar, “Implementasi Convolutional Neural Network Untuk Klasifikasi Penyakit Daun Pisang Menggunakan Citra Digital,” J. Teknol. dan Sist. Tertanam, vol. 7, no. 1, hal. 49–63, 2026, doi: 10.33365/jtst.v7i1.1155.
[38] Firman Putra Perdana, Bambang Irawan, dan Otong Saeful Bachri, “Klasifikasi Penyakit pada Daun Padi Menggunakan Teknik Pengolahan Citra dan Convolutional Neural Network,” J. Publ. Tek. Inform., vol. 5, no. 1, hal. 341–355, 2026, doi: 10.55606/jupti.v5i1.6694.
[39] D. A. Pangestu, O. Q. Aziz, dan C. Crysdian, “Klasifikasi Penyakit pada Tanaman Berdasarkan Citra Daun Menggunakan Metode Convolutional Neural Network,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 10, no. 2, hal. 235–248, 2025, doi: 10.14421/jiska.2025.10.2.235-248.
[40] U. Khaira, I. Weni, dan W. Wilia, “Rancang Bangun Aplikasi Deteksi Penyakit Tanaman Jagung Melalui Citra Daun Berbasis Android Menggunakan Algoritma Convolutional Neural Network,” J. Pepadun, vol. 5, no. 1, hal. 1–11, 2024, doi: 10.23960/pepadun.v5i1.210.
[41] J. P. Vasconez, J. Delpiano, S. Vougioukas, dan F. Auat Cheein, “Comparison of convolutional neural networks in fruit detection and counting: A comprehensive evaluation,” Comput. Electron. Agric., vol. 173, hal. 105348, 2020, doi: 10.1016/j.compag.2020.105348.
[42] F. P. E. Putra, S. M. Dewi, Maugfiroh, dan A. Hamzah, “Jurnal Sistim Informasi dan Teknologi https://jsisfotek.org/index.php Privasi dan Keamanan Penerapan IoT Untuk Kehidupan Sehari-Hari : Tantangan dan Implikasi,” J. Sistim Inf. dan Teknol., vol. 5, no. 2, hal. 26–32, 2023, doi: 10.60083.
[43] F. P. E. Putra, U. Ubaidi, M. Mahendra, M. Surur, dan A. Rizki, “4G LTE Network Performance Analysis Provider 3 In Pamekasan Using The G-Nettrack Application,” Brill. Res. Artif. Intell., vol. 4, no. 1, hal. 427–433, 2024, doi: 10.47709/brilliance.v4i1.4376.
[44] F. P. E. Putra dan N. Saadah, “Interaktif dan Personalisasi Peningkatan Pembelajaran IoT di Sekolah,” J. Sistim Inf. dan Teknol., vol. 5, no. 2, hal. 175–181, 2023, [Daring]. Tersedia pada: http://www.jsisfotek.org/index.php/JSisfotek/article/view/236%0Ahttps://www.jsisfotek.org/index.php/JSisfotek/article/download/236/166
[45] F. P. E. Putra, R. M. Ilhamsyah, S. A. Efendy, dan A. Rizki, “Implementation And Evaluation Of Zerotier-Based Virtual Network For Device Connectivity,” Brill. Res. Artif. Intell., vol. 5, no. 1, hal. 281–290, 2025, doi: 10.47709/brilliance.v5i1.5966.
[46] DWI PRASETYANINGSIH, Sistem Monitoring Suhu, Oksigen Terlarut Dan Ph PadaTanaman Hidroponik Pakcoy BerbasisInternet of Things. digilib.unila.ac.id, 2025. [Daring]. Tersedia pada: https://digilib.unila.ac.id/89261/
[47] F. P. E. Putra, M. Dafid, dan I. Syafi’i, “Firewall Implementation as a Computer Network Security Strategy for Data Protection,” Brill. Res. Artif. Intell., vol. 5, no. 1, hal. 291–297, 2025, doi: 10.47709/brilliance.v5i1.6162.
[48] F. P. E. Putra, U. Ubaidi, R. O. F. Kusuma, A. M. Syam, dan S. A. Efendy, “Effect Of Distance On Wi-Fi Signal Quality In The Home Environment,” Brill. Res. Artif. Intell., vol. 4, no. 1, hal. 391–398, 2024, doi: 10.47709/brilliance.v4i1.4319.
[49] Fauzan Prasetyo Eka Putra, Maktsuful Ghummah, Moh. Amrullah, dan Rafli Hidayatullah, “Studi Kinerja Mesh Network untuk Penerapan Internet of Things (IoT) di Lingkungan Perkotaan,” 2025, researchgate.net. doi: 10.55606/jitek.v5i1.5895.
[50] S. MILDAWATI dan Putri Taqwa Prasetyaningrum, “Analisis Peningkatan Performa Convolutional Neural Network Menggunakan Hyperparameter Tuning Dan Ensemble Learning Pada Klasifikasi Citra Mri Tumor Otak,” Rabit J. Teknol. dan Sist. Inf. Univrab, vol. 11, no. 2, hal. 4769–4785, 2026, doi: 10.36341/rabit.v11i2.8341.
[51] J. Alfia Afifah Fauzi dan N. Nafi’iyah, “Evaluasi Komparatif Arsitektur Convolutional Neural Network pada Klasifikasi Penyakit Daun Kentang,” J. Algoritm., vol. 23, no. 1, 2026, doi: 10.33364/algoritma/v.23-1.3273.
[52] A. Faturohman, D. Anggreani, dan R. Yusliana Bakt, “Model Deep Learning Berbasis Convolutional Neural Network Untuk Identifikasi Stroke Iskemik Pada Citra CT Scan,” J. Pustaka AI (Pusat Akses Kaji. Teknol. Artif. Intell., vol. 5, no. 2, hal. 290–297, 2025, doi: 10.55382/jurnalpustakaai.v5i2.1150.
[53] B. D. Prasetyo, E. Widodo, dan D. Ardiatma, “Sistem Monitoring Kualitas Air Sumur Berbasis Iot Dengan Fuzzy Logic Dan Interface Berbasis Web,” Insect (Informatics Secur. J. Tek. Inform., vol. 11, no. 1, hal. 55–66, 2025, doi: 10.33506/insect.v11i1.4324.
[54] F. P. E. Putra, U. Ubaidi, R. N. Saputra, F. M. Haris, dan S. N. R. Barokah, “Application of Internet of Things Technology in Monitoring Water Quality in Fishponds,” Brill. Res. Artif. Intell., vol. 4, no. 1, hal. 356–361, 2024, doi: 10.47709/brilliance.v4i1.4231.
[55] I. G. N. A. Santika, N. G. A. P. H. Saptarini, I. P. A. Prayudha, dan G. B. Subiksa, “Evaluasi Model Convolutional Neural Network (CNN) dalam Klasifikasi Penyakit Daun Jagung Berbasis Web Menggunakan Citra Digital,” METHOMIKA J. Manaj. Inform. dan Komputerisasi Akunt., vol. 10, no. 1, hal. 98–106, 2026, doi: 10.46880/jmika.vol10no1.pp98-106.
[56] M. Y. M. Sekarwati dan N. Nafiiyah, “Analisis Arsitektur Convolutional Neural Network Dan Transfer Learning Dalam Klasifikasi Kualitas Buah,” Rabit J. Teknol. dan Sist. Inf. Univrab, vol. 11, no. 1, hal. 67–72, 2026, doi: 10.36341/rabit.v11i1.6622.
[57] A. A. Alimi, A. R. Adriansyah, dan P. Prima, “Pengembangan Sistem Deteksi Tuberkulosis pada Citra X-Ray Menggunakan Metode Convolutional Neural Network (CNN) dengan Framework Laravel,” J. Inform. Terpadu, vol. 10, no. 2, hal. 165–171, 2024, doi: 10.54914/jit.v10i2.1437.
Published
Issue
Section
License
Copyright (c) 2026 softianto (Penulis); ismawati (Penerjemah)
This work is licensed under a Creative Commons Attribution 4.0 International License.
