<![CDATA[Penyakit daun padi seperti blas, bercak cokelat, dan hawar daun bakteri sulit dibedakan secara visual sehingga sering menyebabkan kesalahan diagnosis dan ketidaktepatan penanganan oleh petani. Penelitian ini membandingkan performa arsitektur Convolutional Neural Network (CNN) ResNet50 dan MobileNetV2 dalam mengklasifikasikan penyakit daun padi berbasis citra digital menggunakan pendekatan transfer learning dan fine-tuning dengan bobot awal dari ImageNet. Dataset yang digunakan sebanyak 900 citra dari tiga kelas penyakit yang bersumber dari Kaggle dan dokumentasi lapangan di Desa Kondamara, Kabupaten Sumba Timur. Kedua model dilatih dengan parameter identik (15 epoch, batch size 32, optimizer Adam, learning rate 0,00001) dan dievaluasi menggunakan confusion matrix, accuracy, precision, recall, F1-score, dan training time. Hasil menunjukkan MobileNetV2 mengungguli ResNet50 pada seluruh metrik dengan accuracy 75,56%, macro average F1-score 0,76, dan training time 777,89 detik, dibandingkan ResNet50 yang hanya mencapai accuracy 43,33%, macro average F1-score 0,33, dan training time 1.919,35 detik. Model MobileNetV2 selanjutnya diimplementasikan ke dalam prototype berbasis Streamlit dengan confidence score tertinggi 90,03%.]]>
Copyrights © 2026
