Deteksi Penyakit pada Tanaman Tomat Menggunakan Model Inception V3 Berbasis Mobile

Abstract

Abstrak - Tomat merupakan salah satu komoditas hortikultura yang memiliki tingkat konsumsi tinggi di masyarakat serta berperan penting dalam sektor ekonomi pertanian. Meskipun demikian, produktivitas tanaman tomat kerap mengalami penurunan akibat serangan berbagai penyakit. Terdapat sembilan jenis penyakit utama yang umum menyerang tanaman tomat, yaitu Bacterial Spot, Early Blight, Late Blight, Leaf Mold, Septoria Leaf Spot, Spider Mite, Target Spot, Yellow Leaf Curl Virus, dan Mosaic Virus. Oleh karena itu, upaya deteksi penyakit pada tahap awal menjadi sangat krusial agar petani dapat melakukan langkah pencegahan dan pengendalian secara tepat. Penelitian ini bertujuan untuk mengembangkan sistem pendeteksian penyakit daun tomat berbasis Convolutional Neural Network (CNN) sebagai pendekatan inovatif dalam meningkatkan akurasi identifikasi penyakit. Dataset yang digunakan dalam penelitian ini adalah PlantVillage Dataset, yang terlebih dahulu melalui tahap pra-pemrosesan sebelum dilakukan proses pelatihan menggunakan arsitektur Inception V3 dengan Adam Optimizer. Hasil evaluasi menunjukkan bahwa model yang dikembangkan mampu mencapai tingkat akurasi sebesar 98% dalam mengklasifikasikan jenis penyakit pada daun tomat. Temuan ini mengindikasikan bahwa model Inception V3 memiliki potensi yang sangat baik untuk diimplementasikan sebagai sistem pendukung bagi petani dalam memantau kesehatan tanaman serta meningkatkan kualitas dan kuantitas hasil produksi tomat.

Kata Kunci— Tanaman Tomat, Penyakit, Convolutional Neural Network, Inception V3, Mobile.