Deteksi Penyakit Daun Apel Menggunakan Model MobileNetV2 Berbasis Aplikasi Mobile

Abstract

Penyakit pada daun tanaman apel dapat menurunkan produktivitas dan kualitas hasil panen secara signifikan. Guna mengatasi permasalahan tersebut, eksperimen ini mengimplementasikan arsitektur pemelajaran mendalam berbasis MobileNetV2 untuk melakukan klasifikasi penyakit daun apel secara otomatis. Dataset teraugmentasi dari platform Kaggle dibagi menggunakan metode stratified split menjadi 70% data latih, 15% data validasi, dan 15% data uji. Integrasi model kecerdasan buatan dilakukan secara lokal pada aplikasi mobile berbasis framework Flutter menggunakan format TensorFlow Lite (.tflite). Hasil pengujian menunjukkan bahwa kombinasi arsitektur MobileNetV2 dengan optimizer Adam mencatatkan performa paling superior dengan raihan akurasi uji tertinggi sebesar 99,17%. Selain itu, evaluasi fungsionalitas sistem melalui Black Box Testing membukukan tingkat keberhasilan mutlak 100% serta menunjukkan stabilitas deteksi yang sangat adaptif terhadap variasi pencahayaan maupun jarak pengambilan gambar. Sistem cerdas ini dapat menjadi alat bantu digital yang responsif dan mandiri bagi para petani dalam menjaga kualitas produksi tanaman apel.

Kata kunci: Aplikasi Mobile, Computer Vision, Daun Apel, Deteksi Penyakit, MobileNetV2.