KLASIFIKASI PENYAKIT DAUN PADI MENGGUNAKAN TRANSFER LEARNING DENGAN ARSITEKTUR MOBILENETV2

Penyakit daun padi merupakan permasalahan penting dalam sektor pertanian karena dapat menurunkan produktivitas secara signifikan. Deteksi dini sangat diperlukan untuk meminimalkan kerugian, namun identifikasi manual oleh ahli pertanian memerlukan waktu serta rentan kesalahan. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis penyakit daun padi menggunakan Convolutional Neural Network (CNN) dengan pendekatan transfer learning pada arsitektur MobileNetV2. Model dikembangkan menggunakan lima skenario pelatihan, yaitu Scratch, Fixed Feature, Fine-Tune First, Fine-Tune Middle, dan Fine-Tune Last. Proses pelatihan dilakukan selama 50 epoch dengan batch size 32, menggunakan optimizer Adam dan learning rate 0,0001. Hasil penelitian menunjukkan bahwa transfer learning memberikan peningkatan performa yang signifikan dibandingkan pelatihan dari awal. Skenario Fine-Tune First menjadi model dengan performa terbaik dengan akurasi 80%, macro average F1-score sebesar 77%, weighted average F1-score sebesar 79%, serta rata-rata AUC sebesar 0,92. Evaluasi per kelas juga menunjukkan performa yang kuat, di mana kelas Healthy memiliki recall tertinggi (95%), sedangkan kelas Hispa yang sebelumnya sulit dikenali mengalami peningkatan F1-score menjadi 62%. Adapun skenario Fine-Tune Middle dan Fine-Tune Last menunjukkan performa menengah dengan akurasi masing-masing 76% dan 67%, sedangkan model Scratch memperoleh akurasi terendah yaitu 54%. Secara keseluruhan, penelitian ini membuktikan bahwa pendekatan transfer learning berbasis MobileNetV2 efektif dalam meningkatkan kemampuan klasifikasi penyakit daun padi. Model yang dihasilkan berpotensi dikembangkan lebih lanjut sebagai bagian dari teknologi pertanian cerdas untuk membantu proses diagnosis penyakit secara cepat dan akurat