Klasifikasi Penyakit Daun Cabai Menggunakan Model MobileNet

Abstrak

Cabai merupakan komoditas yang paling diminati dan strategis untuk mengurangi inflasi di Indonesia. Konsumsi cabai di Indonesia terus meningkat sejak tahun 2019 sampai dengan 2023 akan tetapi produksi cabai di Indonesia mengalami penurunan ditahun 2021 sampai dengan 2023 begitu pun dengan luas panen cabai yang menurun di tahun 2020 – 2023 yang mengakibatkan kendala dalam memenuhi kebutuhan konsumsi cabai di Indonesia. Adapun permasalahan yang terjadi adalah dikarenakan petani cabai yang mengalami gagal panen dikarenakan penyakit pada tumbuhan cabai tersebut. Dengan adanya permasalahan tersebut perlu adanya solusi untuk mengatasi permasalahan tersebut, maka dari itu dibuatkannya aplikasi yang dapat mengklasifikasi penyakit pada daun cabai sehingga para petani cabai atau masyarakat umum yang ingin menanam cabai dapat mendeteksi dini penyakit pada daun cabai. Model dibuat menggunakan metode CRISP-DM dengan menerapkan konsep supervised learning dengan algoritma Convolutional Neural Network (CNN) dan arsitektur MobileNet. Dari hasil penelitian yang telah dilakukan, hasil model tersebut memiliki performa yang baik dan tidak menunjukkan tanda overfitting yang parah dengan hasil evaluasi model training accuracy sebesar 94.18%, validation accuracy sebesar 83.66%, training loss sebesar 16% dan validation loss sebesar 45%. Hasil confusion matrix memiliki akurasi 84.84% dari jumlah data testing sebanyak 132 data.