<![CDATA[Penelitian ini membahas tantangan klasifikasi penyakit batang jagung menggunakan model convolutional neural network MobileNetV3-Small. Penyakit batang jagung seperti busuk fusarium dan busuk gibberella dapat menurunkan hasil panen secara signifikan apabila tidak terdeteksi sejak dini. Penelitian dimulai dengan pengumpulan 720 citra batang jagung yang terbagi menjadi tiga kategori: batang sehat, busuk fusarium, dan busuk gibberella. Tahap praproses meliputi resize, normalisasi, ekstraksi fitur, penghapusan latar belakang, serta augmentasi citra untuk meningkatkan variasi data. Pelatihan model dilakukan menggunakan MobileNetV3-Small dengan transfer learning, dan evaluasi kinerja dilakukan menggunakan dataset validasi terpisah untuk meminimalkan overfitting. Hasil penelitian menunjukkan bahwa model mencapai akurasi tinggi dan efektif dalam mengklasifikasi jenis penyakit pada citra batang jagung. Temuan ini menunjukkan bahwa pendekatan deep learning, khususnya arsitektur CNN ringan, dapat diimplementasikan pada platform sumber daya terbatas seperti aplikasi mobile dan web untuk mendukung deteksi dini penyakit tanaman. Penelitian ini memberikan referensi bagi pengembangan lebih lanjut sistem deteksi penyakit tanaman berbasis kecerdasan buatan dengan arsitektur jaringan saraf yang efisien.]]>
Copyrights © 2025
