<![CDATA[Tanaman padi merupakan komoditas utama dalam ketahanan pangan di Indonesia, namun produksinya sering terhambat oleh serangan penyakit daun. Permasalahan ini semakin kompleks di daerah terpencil yang memiliki keterbatasan akses internet dan perangkat komputasi. Oleh karena itu, diperlukan sistem klasifikasi penyakit daun padi yang efisien dan dapat dijalankan pada perangkat dengan sumber daya terbatas. Penelitian ini membandingkan beberapa arsitektur deep learning seperti CNN, ResNet, EfficientNetB0, dan DenseNet121, serta model machine learning klasik seperti SVM, Random Forest, Naive Bayes, XGBoost, dan LightGBM. Dataset yang digunakan berasal dari Kaggle, terdiri atas 120 citra dari tiga jenis penyakit daun padi, yaitu Bacterial leaf blight, Brown spot, dan Leaf smut. Hasil pelatihan dan pengujian pada citra berukuran 224x224 piksel menunjukkan bahwa MobileNetV2 dengan sekitar 2,4 juta parameter mencapai akurasi tertinggi sebesar 91,67%, dengan nilai rata-rata precision, recall, dan f1-score sebesar 0,92. Model ini kemudian diintegrasikan ke dalam platform website yang memungkinkan deteksi penyakit secara langsung tanpa memerlukan alat khusus. MobileNetV2 terbukti efisien dan sangat sesuai untuk digunakan oleh petani di lapangan.]]>
Copyrights © 2025
