Layanan penulisan ilmiah yang disediakan oleh Perpustakaan Universitas Gunadarma
Pembuatan Aplikasi Mobile Untuk Klasifikasi Penyakit Daun Tanaman Menggunakan Deep Learning Convolutional Neural Network (CNN)
ABSTRAKSI :
Indonesia sebagai negara agraris menghadapi tantangan serius dalam sektor pertanian, terutama terkait penyakit tanaman yang kerap menyerang bagian daun. Deteksi dini terhadap penyakit daun sangat krusial untuk mencegah penyebaran dan menurunkan risiko gagal panen. Penelitian ini bertujuan untuk mengembangkan model klasifikasi penyakit daun tanaman berbasis Convolutional Neural Network (CNN) dan mengimplementasikannya ke dalam aplikasi Android guna membantu petani dalam proses deteksi penyakit secara cepat dan mandiri. Model dibangun menggunakan arsitektur EfficientNetB0 dan dioptimasi menggunakan algoritma Stochastic Gradient Descent (SGD), dengan pelatihan selama 30 epoch dan fine tuning selama 10 epoch. Dataset yang digunakan merupakan data sekunder yang diperoleh dari sumber daring seperti Kaggle dan Mendeley Data, dengan total 44.108 citra daun dari 11 jenis tanaman dan 60 kelas penyakit. Model dilatih menggunakan empat skenario pembagian data yang berbeda, yaitu 75:15:10, 70:20:10, 65:25:10, dan 60:30:10 untuk melihat proporsi terbaik. Evaluasi dilakukan menggunakan classification report dan confusion matrix. Hasil terbaik diperoleh pada proporsi 70:20:10, dengan akurasi mencapai 92,03%, precision sebesar 91,12%, recall 89,89%, dan F1-score sebesar 89,96%. Model terbaik tersebut kemudian diintegrasikan ke dalam aplikasi Android bernama Leaf Lives yang memiliki fitur klasifikasi citra daun dari kamera atau galeri, serta riwayat klasifikasi yang tersimpan secara offline. Implementasi aplikasi ini bertujuan untuk memberikan solusi berbasis AI yang ringan, mudah digunakan, dan dapat diakses oleh petani di berbagai daerah. Penelitian ini membuktikan bahwa integrasi CNN dengan platform mobile dapat membantu percepatan proses identifikasi penyakit tanaman secara praktis dan efisien.