SISTEM DETEKSI DINI PENYAKIT PANAMA PADA DAUN PISANG MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK BERBASIS MOBILE

Abstract

Penyakit Panama (Fusarium wilt) merupakan salah satu penyakit paling destruktif pada tanaman pisang yang menyebabkan kerugian signifikan pada sektor pertanian dan berpotensi menurunkan produktivitas nasional. Deteksi dini penyakit ini masih banyak dilakukan secara manual melalui observasi visual yang bersifat subjektif, tidak konsisten, dan rentan terhadap kesalahan diagnosis. Penelitian ini bertujuan mengembangkan sistem deteksi dini penyakit Panama pada daun pisang berbasis Convolutional Neural Network dengan pendekatan pembelajaran alih menggunakan arsitektur MobileNetV2 yang diimplementasikan pada aplikasi mobile berbasis Android. Metode penelitian meliputi pengumpulan dataset citra daun pisang sehat dan terinfeksi penyakit Panama dari sumber publik, tahap preprocessing data berupa penyesuaian ukuran citra, normalisasi, dan augmentasi, serta pelatihan model menggunakan MobileNetV2 sebagai pengekstraksi fitur. Model dilatih dengan pendekatan pembelajaran alih melalui pembekuan bobot awal, kemudian dikonversi ke format yang mendukung integrasi pada aplikasi Android sehingga dapat digunakan tanpa koneksi internet. Hasil penelitian menunjukkan bahwa model mampu melakukan klasifikasi citra daun pisang secara efektif dalam membedakan daun sehat dan daun terinfeksi penyakit Panama. Integrasi model ke dalam aplikasi mobile memungkinkan proses deteksi dilakukan secara cepat, praktis, dan akurat di lapangan. Sistem yang dikembangkan berpotensi menjadi solusi pendukung dalam deteksi dini penyakit Panama serta membantu pengambilan keputusan dalam pengelolaan tanaman pisang secara lebih efektif dan berkelanjutan.