PENERAPAN CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK KLASIFIKASI PENYAKIT TANAMAN CABAI BERBASIS APLIKASI MOBILE DENGAN PENDEKATAN EDGE-AI

Abstract

Tanaman cabai (Capsicum sp.) merupakan salah satu komoditas penting di Indonesia, namun rentan terhadap berbagai penyakit yang menyebabkan penurunan hasil panen. Deteksi dini terhadap penyakit cabai masih dilakukan secara manual, yang memerlukan keahlian khusus dan waktu yang tidak efisien. Penelitian ini bertujuan untuk mengembangkan model klasifikasi penyakit tanaman cabai menggunakan metode Convolutional Neural Network (CNN) berbasis MobileNetV3, yang dapat diimplementasikan ke dalam aplikasi mobile Android berbasis Edge-AI. Dataset terdiri dari 2,500 gambar daun dan buah cabai yang dibagi ke dalam beberapa kelas jenis penyakit seperti antraknosa, bercak daun, keriting daun, dan virus kuning serta 1 kelas untuk tanaman sehat. Citra diproses melalui tahapan preprocessing data, kemudian dilatih menggunakan arsitektur MobileNetV3-Small. Hasil pelatihan model terhadap dataset menunjukkan nilai accuracy sebesar 0.9843 atau 98% dan validation accuracy sebesar 0.9720 atau 97% serta nilai loss sebesar 0.0623 dan loss accuracy sebesar 0.1059. Kemudian, hasil pelatihan dievaluasi menggunakan daat uji dan mendapatkan nilai test accuarcy sebesar 0.9600 atau 96% dan test loss sebesar 0.1195. Setelah itu, model masuk kedalam tahap deployment berupa aplikasi mobile berbasis Android dengan pendekatan Edge-AI.