Klasifikasi Penyakit Daun Padi Menggunakan Arsitektur Mobilenet V2 pada Algoritma Convolutional Neural Network

Padi merupakan komoditas pangan utama di Indonesia yang sangat rentan terhadap serangan penyakit, terutama pada bagian daun. Beberapa penyakit daun padi yang umum terjadi seperti Hawar Daun, Blast, dan Bintik Coklat sering kali sulit dideteksi secara dini oleh petani, khususnya di daerah Kabupaten Karawang. Penelitian ini bertujuan untuk membangun model klasifikasi penyakit daun padi dengan memanfaatkan algoritma Convolutional Neural Network (CNN) menggunakan arsitektur MobileNet V2, yang dikenal efisien dan ringan untuk perangkat dengan keterbatasan sumber daya. Data citra diperoleh dari lapangan dan internet, kemudian diproses melalui tahapan preprocessing, augmentasi data, pelatihan, dan pengujian model. Dataset terdiri dari 800 gambar yang diklasifikasikan ke dalam tiga kategori penyakit. Pengujian yang telah dilakukan sebanyak 18 kali. Maka didapatkan persentase akurasi pengujian dalam mengidentifikasi antara bintik coklat, daun busuk dan hawar daun yaitu sebesar 89%. Hasil evaluasi menunjukkan bahwa model yang dibangun mampu mengklasifikasikan penyakit dengan tingkat akurasi tinggi. Penelitian ini diharapkan dapat menjadi solusi praktis dan efektif dalam membantu petani mengidentifikasi penyakit daun padi secara cepat dan akurat, sehingga dapat meminimalisir risiko gagal panen.

Kata Kunci: CNN, MobileNet V2, Padi, Penyakit Daun, Klasifikasi Citra