Penerapan Transfer Learning Berbasis MobileNetV3-Small Untuk Klasifikasi Penyakit Pada Daun Singkong
Singkong merupakan tanaman penting dalam sektor agrikultur yang produktivitasnya sangat dipengaruhi oleh kesehatan daunnya. Penyakit seperti Bacterial Blight, Brown Spot, Green Mite, dan Mosaic kerap menyerang daun singkong dan menurunkan hasil panen. Identifikasi penyakit secara manual membutuhkan waktu dan keahlian, sehingga diperlukan metode otomatis yang cepat dan akurat. Penelitian ini menerapkan metode transfer learning berbasis arsitektur MobileNetV3-Small untuk klasifikasi penyakit pada daun singkong. Dataset yang digunakan terdiri dari 7508 gambar daun singkong yang terbagi dalam lima kelas, yaitu empat kelas penyakit dan satu kelas sehat. Model dikembangkan dengan berbagai kombinasi perlakuan, yaitu penerapan augmentasi data fine-tuning. Proses pelatihan dan evaluasi dilakukan dengan metrik akurasi, presisi, recall, dan f1-score. Hasil menunjukkan bahwa kombinasi perlakuan dengan augmentasi dan fine-tuning memberikan performa baik dan stabil pada seluruh subset data dengan akurasi tertinggi mencapai 91% pada data uji. Penelitian ini membuktikan bahwa MobileNetV3-Small efektif dan efisien untuk mendeteksi penyakit daun singkong, serta dapat diimplementasikan pada perangkat dengan spesifikasi terbatas.
URI
https://repo.itera.ac.id/depan/submission/SB2508250042
Keyword
Daun singkong Klasifikasi gambar Deep learning MobileNetV3-Small Transfer learning Cassava leaves Image classification