IMPLEMENTASI MOBILENET V2 UNTUK DETEKSI PENYAKIT DAUN TANAMAN PADI BERBASIS ANDROID

Produksi padi di Indonesia berperan penting dalam menjaga ketahanan pangan nasional, namun sering mengalami penurunan akibat serangan penyakit daun seperti blast, narrow brown spot, dan bacterial leaf blight. Deteksi penyakit secara manual yang selama ini dilakukan petani bersifat subjektif, memerlukan waktu lama, dan bergantung pada keahlian penyuluh, sehingga berpotensi menimbulkan kesalahan diagnosis. Penelitian ini bertujuan mengembangkan sistem deteksi penyakit daun padi berbasis deep learning menggunakan arsitektur MobileNetV2 yang diimplementasikan secara on-device melalui aplikasi Android berbasis Flutter dengan dukungan TensorFlow Lite. Dataset yang digunakan terdiri atas data sekunder dari Kaggle serta data primer hasil kerja sama dengan Dinas Pertanian Kabupaten Pamekasan, serta pengambilan citra langsung di wilayah Kecamatan Telang untuk memanfaatkan fitur kamera pada aplikasi. Tahapan penelitian meliputi preprocessing (resize, rescaling, dan augmentasi data), pelatihan model MobileNetV2, konversi ke format .tflite, dan integrasi ke dalam aplikasi untuk deteksi penyakit daun tanaman padi. Dari hasil beberapa skenario, skenario 1 memiliki akurasi yang paling bagus yaitu mencapai sistem mampu mencapai 97,95% dan loss 0,0614. Kemudian skenario 1 ini akan di implementasi kan ke Android. Hasil dari pengujian aplikasi ini cukup baik dalam segi akurasi dan inferensi waktu yang sangat bagus yaitu rentang dari 38 ms hingga 120 ms. Data yang digunakan untuk pengujian aplikasi menggunakan Data Primer.