Penerapan Convolutional Neural Netword Dengan Arsitektur MobilenetV2 Dalam Aplikasi Untuk Mendeteksi Penyakit Daun Tanaman Apel Berbasis Android

Abstract

Abstrak. Serangan penyakit pada daun tanaman apel, seperti Apple Scab, Black Rot, dan Cedar Apple Rust, merupakan permasalahan serius yang berdampak pada penurunan produktivitas dan kualitas panen. Metode deteksi manual yang masih sering digunakan oleh petani cenderung kurang akurat dan memerlukan keahlian khusus. Penelitian ini bertujuan untuk mengembangkan sebuah aplikasi berbasis Android yang mampu mendeteksi penyakit daun tanaman apel secara otomatis menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Dataset yang digunakan diperoleh dari platform Kaggle dan diklasifikasikan ke dalam empat kelas: Apple Scab, Black Rot, Cedar Apple Rust, dan Healthy. Pengembangan sistem mengikuti alur CRISP-DM, yang mencakup tahapan business understanding, data understanding, data preparation, modelling, evaluation, dan deployment. Hasil pelatihan menunjukkan bahwa model mampu mencapai akurasi validasi sebesar 99,03% pada epoch ke-20. Model selanjutnya diubah ke format TensorFlow Lite agar dapat diintegrasikan ke dalam aplikasi Android. Aplikasi ini memungkinkan pengguna untuk mendeteksi penyakit daun apel hanya dengan mengambil foto menggunakan kamera ponsel. Sistem ini terbukti praktis, akurat, dan berpotensi menjadi solusi pendeteksian dini yang efektif di sektor pertanian.
Kata kunci: Convolutional Neural Network, MobileNetV2, Deteksi Penyakit Daun, Crisp-DM