<![CDATA[Penyakit daun salak dapat menurunkan kualitas dan produktivitas hasil panen. Proses identifikasi penyakit yang masih dilakukan secara manual oleh petani memiliki keterbatasan dalam ketepatan dan kecepatan identifikasi. Oleh karena itu, penelitian ini bertujuan untuk membangun sistem cerdas yang mampu mengklasifikasikan penyakit daun salak menggunakan metode Transfer Learning dengan arsitektur MobileNetV2 berdasarkan citra daun salak. Dataset yang digunakan terdiri dari empat kelas, yaitu daun sehat, bercak coklat, bercak hijau keabuan, dan karat daun, dengan total 880 citra daun salak. Proses penelitian dilakukan melalui beberapa tahapan, yaitu preprocessing data, augmentasi citra menggunakan rotation dan zoom, pembagian dataset menjadi data training, validation, dan testing, pelatihan model menggunakan MobileNetV2, serta evaluasi menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model MobileNetV2 mampu mengklasifikasikan penyakit daun salak dengan baik, dengan nilai training accuracy sebesar 98,15% serta validation accuracy dan test accuracy sebesar 96,59%. Selain itu, model yang telah dilatih berhasil diimplementasikan ke dalam aplikasi mobile Jaga Salak menggunakan TensorFlow Lite (.tflite). Berdasarkan hasil penelitian yang diperoleh, metode Transfer Learning MobileNetV2 terbukti efektif dalam mengklasifikasikan penyakit daun salak dan dapat membantu pengguna dalam melakukan deteksi penyakit daun salak secara lebih cepat dan praktis.]]>
