DETEKSI MULTI PENYAKIT PADI BERBASIS CNN MOBILENETV2 PADA APLIKASI MOBILE DENGAN SOLUSI TERINTEGRASI

Abstrak

Padi merupakan komoditas pangan utama di Indonesia, sehingga keberlangsungan produksi sangat bergantung pada kesehatan tanaman. Serangan penyakit daun seperti Bacterial Leaf Blight, Brown Spot, Leaf Blast, Leaf Scald, dan Narrow Brown Spot sering menimbulkan penurunan hasil panen apabila tidak dikenali dan ditangani sejak dini. Di lapangan, proses identifikasi umumnya masih mengandalkan pengamatan visual, yang rentan menghasilkan kesalahan karena kemiripan gejala antarpenyakit dan perbedaan kondisi lingkungan. Penelitian ini bertujuan mengembangkan sistem deteksi multi penyakit daun padi berbasis Convolutional Neural Network menggunakan arsitektur MobileNetV2 yang diintegrasikan ke dalam aplikasi Android secara luring melalui TensorFlow Lite. Dataset yang digunakan terdiri dari 2.100 citra untuk pelatihan dan 528 citra untuk validasi, masing-masing terbagi ke dalam enam kelas kondisi daun padi. Pra-pemrosesan meliputi normalisasi dan augmentasi citra guna meningkatkan kemampuan generalisasi model. Hasil pelatihan menunjukkan akurasi validasi akhir sebesar 92,80%, dan evaluasi keseluruhan menghasilkan akurasi 93% pada classification report. Uji langsung pada perangkat Mobile juga menunjukkan akurasi rata-rata 93,3% dengan waktu inferensi 0,5–0,8 detik per citra. Dengan demikian, sistem ini dapat mendeteksi penyakit daun padi secara cepat, akurat, dan tanpa memerlukan koneksi internet, sekaligus memberikan rekomendasi penanganan yang relevan bagi pengguna.

Identifier

• OpenAlex: https://openalex.org/W7125947438
• DOI: https://doi.org/10.31328/ciastech.v8i1.7501