Diagnosa Penyakit BrownSpot dan LeafBlast Pada Tanaman Padi dengan MobileNetV2 dan TensorFlow-Lite

Abstract

Penelitian ini bertujuan untuk mengatasi masalah penyakit LeafBlas dan BrownSpot pada tanaman padi di Indonesia, yang signifikan mengancam ketahanan pangan nasional. Perubahan iklim dan serangan hama telah menyebabkan kegagalan panen, seperti yang dialami oleh petani di Karawang pada tahun 2023. Penelitian ini mengimplementasikan teknologi deep learning menggunakan arsitektur MobileNetV2 untuk mendeteksi penyakit pada tanaman padi dengan akurasi tinggi. Data dikumpulkan dari Balai Besar Peramalan Organisme Pengganggu Tumbuhan (BBPOPT) di Kabupaten Karawang dan melalui proses analisis data, pelatihan model, dan evaluasi performa. Hasil menunjukkan bahwa model MobileNetV2 dapat mengklasifikasikan daun padi dengan tingkat akurasi 95% pada data latih dan 88% pada data validasi. Aplikasi mobile yang dikembangkan mampu memprediksi penyakit dengan akurasi tinggi dan diuji kompatibilitasnya pada beberapa perangkat Android. Implementasi teknologi ini diharapkan dapat meningkatkan produktivitas pertanian, meminimalkan kerugian petani, serta mendukung ketahanan pangan nasional.

Keywords

• leafblas dan brownspot, mobilenetv2, karawang