IMPLEMENTASI APLIKASI MOBILE UNTUK DETEKSI DAN KLASIFIKASI PENYAKIT PADA TANAMAN PADI DENGAN KOMPARASI BERBAGAI MODEL

Penelitian ini bertujuan untuk mengembangkan aplikasi deteksi penyakit pada tanaman padi menggunakan metode komparasi dari berbagai model. Deteksi penyakit pada tanaman padi sangat penting karena penyakit dapat menyebabkan penurunan kualitas dan kuantitas hasil panen. Untuk mengatasi masalah ini, digunakan teknologi pengolahan citra digital dengan metode deep learning yang diimplementasikan dalam model Convolutional Neural Network (CNN). Model yang digunakan dalam penelitian ini meliputi MobileNetV2, ResNetV2, InceptionV3, dan DenseNet201. Penelitian dilakukan dengan mengumpulkan data citra penyakit padi yang terdiri dari empat kelas: bercak coklat, sehat, hispa, dan blas. Data ini kemudian diproses dan dilatih menggunakan metode transfer learning untuk menghasilkan model yang dapat dijalankan pada perangkat mobile dengan TensorFlow Lite. Hasil dari penelitian menunjukkan bahwa model DenseNet201 memberikan kinerja terbaik dalam hal akurasi dan efisiensi untuk deteksi penyakit pada tanaman padi. Aplikasi yang dikembangkan diharapkan dapat membantu petani dalam mendeteksi penyakit padi secara cepat dan akurat menggunakan smartphone. Selain itu, penelitian ini juga memberikan kontribusi dalam bidang teknologi pertanian dengan memperkenalkan penggunaan deep learning dan TensorFlow Lite untuk aplikasi praktis di lapangan