Sistem Cerdas Klasifikasi Penyakit Daun Salak Menggunakan Transfer Learning Mobilenetv2
Abstract
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.
Downloads
References
Ameliya & Azwana, “Jurnal Ilmiah Pertanian,” Paspalum J. Ilm. Pertan., vol. 6, no. 2, pp. 134–141, 2024, doi: 10.31289/jiperta.v6i2.5218.
W. Yoga and I. G. Rabani, “Analysis of Phenol Total, Flavonoid Total, and Tanin Total in Probiotic Beverage Products ofSalak Fruit (Salacca Zalaca Var. Ambonensis),” Pro Food J. Ilmu dan Teknol. Pangan, vol. 8, no. 1, pp. 69–76, 2022.
B. P. Statistik, “Produksi tanaman buah–buahan dan sayuran tahunan menurut jenis tanaman, 2025.” [Online]. Available: https://www.bps.go.id/id/statistics-table/3/WXpSVU5uUTBOSEl5WVhGQmVESTVSVnBSVlhWeVVUMDkjMw%3D%3D/produksi-tanaman-buah---buahan-dan-sayuran-tahunan-menurut-jenis-tanaman--2024.html?year=2025
B. P. S. K. W. (2025), “Produksi buah-buahan dan sayuran menurut jenis tanaman menurut kecamatan di Kabupaten Wonosobo, 2025. Badan Pusat Statistik Kabupaten Wonosobo.” [Online]. Available: https://wonosobokab.bps.go.id/en/statistics-table/3/U0dKc1owczVSalJ5VFdOMWVETnlVRVJ6YlRJMFp6MDkjMw%3D%3D/produksi-buah-buahan-dan-sayuran-menurut-jenis-tanaman-menurut-kecamatan-di-kabupaten-wonosobo--2023.html?year=2025%0A
Ameliya, “INVENTARISASI PENYAKIT DI PERKEBUNAN SALAK PONDOH ( Salacca edulis Reinw cv pondoh ) DI DESA RUMAH LENGO KECAMATAN STM HULU KABUPATEN DELI PROGRAM STUDI AGROTEKNOLOGI FAKULTAS PERTANIAN UNIVERSITAS MEDAN AREA MEDAN INVENTARISASI PENYAKIT DI PERKEBUNAN SAL,” 2024.
M. . Aisar Novita S.P and M. . Arie Hapsani Hasan Basri, S.P., BOTANI: Pengenalan Morfologi dan Anatomi Tumbuhan, vol. 2. 2020.
D. E. Ziddana, M. M. Kurniawan, and U. S. Karawang, “SISTEM IOT PENYIRAMAN OTOMATIS TANAMAN SALAK DENGAN MONITORING REAL-TIME MENGGUNAKAN PLATFORM BLYNK,” JITET (Jurnal Inform. dan Tek. Elektro Ter., vol. 14, no. 1.
D. Putri, “Interaksi Faktor Lingkungan dan Sistem Budidaya terhadap Serangan Penyakit Karat Daun pada Tanaman Jagung,” J. Kridatama Sains dan Teknol., vol. 7, no. 01, pp. 383–392, 2025, doi: 10.53863/kst.v7i01.1636.
I. M. N. Annisa Mustika Anggraeni, Teguh Iman Hermanto, “Jurnal Teknologi Terpadu VGG16 BERBASIS ANDROID,” vol. 11, no. 1, pp. 53–59, 2025.
S. Firmansyah, E. Yulia Puspaningrum, and E. Prakarsa Mandyartha, “Implementasi Transfer Learning Dengan Perbandingan Nilai Learning Rate Pada Klasifikasi Citra Penyakit Daun Tebu Berbasis Web,” JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 5, pp. 7357–7364, 2025, doi: 10.36040/jati.v9i5.14609.
A. Putra, “Klasifikasi Penyakit Daun Cabai Dengan Metode CNN Untuk Deteksi Awal.,” J. Profesi Ins. Univ. Lampung, vol. 6, no. 1, pp. 2–7, 2025, doi: 10.23960/jpi.v6n1.147.
A. R. Hermanto, A. Aziz, and S. Sudianto, “Perbandingan Arsitektur MobileNetV2 dan RestNet50 untuk Klasifikasi Jenis Buah Kurma Comparison of MobileNetV2 and RestNet50 Architectures for Date Fruit Classification by Type,” J. Sist. dan Teknol. Inf., vol. 12, no. 4, pp. 630–637, 2024, doi: 10.26418/justin.v12i4.80358.
B. Seed, “Teknologi perbanyakan benih salak,” 2020.
M. P. Sehan Rifky, S.Pd., M. C. Lalu Puji Indra Kharisma, S.Kom., M.Cs Dr. H. Achmad Ruslan Afendi, M.Ag Ira zulfa, S.T., M. K. Segar Napitupulu, S.Kom., M.Kom Mustika Ulina, S.Kom., M.Kom Wulan Sri Lestari, S.Kom., M. E. I Made Dendi Maysanjaya, S.Pd., and M. . Kelvin, S.Kom., M.Kom - Frans Mikael Sinaga, S.Kom., M.Kom Mutmainnah Muchtar, S.T., M.Kom Loso Judijanto, S.Si., ARTIFICIAL INTELLIGENCE (Teori dan Penerapan AI di Berbagai Bidang) Penulis, vol. 2. 2024.
Rahmat and S. Aripin, “Deep learning: Arah baru kurikulum pendidikan di era globalisasi,” Pendas J. Ilm. Pendidik. Dasar, vol. 10, no. 02, pp. 2477–2143, 2025.
A. C. Jiantono, “Convolutional Neural Network (CNN) dalam Pengenalan Gambar dan Video serta Penerapannya,” Binus University. [Online]. Available: https://sis.binus.ac.id/2026/01/27/convolutional-neural-network-cnn-dalam-pengenalan-gambar-dan-video-serta-penerapannya/
R. Bagaskara et al., “Pendeteksian Jumlah Bangunan Berbasis Citra Menggunakan Metode Deep Learning,” J. Sains Komput. Inform. (J-SAKTI, vol. 6, no. 1, pp. 94–100, 2022.
dan R. H. I. Guntoro, D. M. Midyanti, “‘Penerapan Dropout Pada Jaringan Saraf Tiruan Backpropagation Dalam Mengklasifikasi Tingkat Fine Fuel Moisture Code (Ffmc) Untuk Kebakaran Hutan Dan Lahan,’” 2022.
S. S. Rambe, A. Asriyanik, and P. Prajoko, “Penerapan Model Convolutional Neural Network ( Cnn ) Berbasis Mobilenetv2 Untuk,” JITET (Jurnal Inform. dan Tek. Elektro Ter., vol. 13, no. 3, 2025.
D. Adi Saputra, I. Istiadi, and A. Yuniar Rahman, “Deteksi Kesegeran Ikan Layur Berdasarkan Citra Mata Menggunakan Yolov8,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 5, pp. 10263–10270, 2024, doi: 10.36040/jati.v8i5.11020.
P. A. Nugroho, I. Fenriana, and R. Arijanto, “Implementasi Deep Learning Menggunakan Convolutional Neural Network (CNN) Pada Ekspresi Manusia,” Algor, vol. 2, no. 1, pp. 12–21, 2020.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
