Detail Cantuman

Dalam bidang pertanian, kesehatan tanaman padi merupakan faktor penting dalam menjaga produktivitas hasil panen. Salah satu permasalahan yang sering dihadapi oleh para petani adalah penyakit daun padi, yang dapat menurunkan kualitas hasil panen. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi penyakit daun padi menggunakan arsitektur MobileNetV3. Dataset citra daun padi diperoleh dengan dukungan dan akses yang diberikan oleh Dinas Ketahanan Pangan dan Pertanian (DKPP) Kota Bandung, yang berperan penting dalam proses penelitian ini. Dataset tersebut terdiri dari 1624 citra daun padi yang dibagi menjadi empat kelas, yaitu Bacterial Leaf Blight, Blast, Tungro, dan Healthy, dengan proporsi 80% data pelatihan, 10% data validasi, dan 10% data pengujian. Perbandingan performa dilakukan antara MobileNetV3-Large dan MobileNetV3-Small, di mana hasilnya menunjukkan bahwa MobileNetV3-Large menghasilkan akurasi yang lebih tinggi dan stabil, sehingga dijadikan arsitektur utama dalam penelitian ini. Selama proses pelatihan, optimizer Adam menghasilkan akurasi terbaik hingga mencapai 100%. Model MobileNetV3-Large yang telah dilatih kemudian diimplementasikan ke dalam aplikasi Android menggunakan TensorFlow Lite. Aplikasi ini menyediakan fitur klasifikasi penyakit daun padi melalui input kamera dan galeri, antarmuka klasifikasi secara real-time, serta deskripsi yang terintegrasi mengenai penyakit daun padi dan informasi tanaman padi. Hasil pengujian aplikasi menunjukkan akurasi klasifikasi di atas 99% (hingga 100%) saat menggunakan optimizer Adam untuk setiap kategori penyakit, dengan waktu respons yang cepat dan hasil deteksi yang konsisten.