TRANSFER LEARNING DAN FINE TUNING MOBILNETV2 UNTUK KLASIFIKASI PENYAKIT DAUN TANAMAN JAGUNG

Abstract

Tanaman jagung memiliki peran penting dalam pemenuhan kebutuhan pangan global, namun penyakit pada daun jagung dapat mengakibatkan penurunan produktivitas yang signifikan. Salah satu tantangan utama adalah deteksi dini dan akurat terhadap penyakit daun jagung. Metode tradisional sering kali membutuhkan waktu dan tidak praktis untuk penerapan skala besar. Untuk mengatasi masalah ini, penelitian ini mengembangkan aplikasi klasifikasi penyakit daun jagung menggunakan metode deep learning dengan arsitektur Convolutional Neural Network (CNN), yaitu MobileNetV2, melalui teknik transfer learning dan fine-tuning. Dataset yang digunakan terdiri dari 4188 citra, yang dibagi menjadi data latih (80%), validasi (10%), dan uji (10%). Pada tahap awal pelatihan, model di-train selama 50 epoch dan mencapai akurasi 89,82% serta akurasi validasi 88,02%. Selanjutnya, dilakukan fine-tuning dengan membuka pelatihan pada lapisan ke-100 hingga 156 dari MobileNetV2, dan model dilatih ulang selama 25 epoch, menghasilkan peningkatan akurasi menjadi 94,54% dan akurasi validasi sebesar 92,19%. Pengujian terhadap aplikasi dilakukan menggunakan tiga metode, yaitu white box testing, black box testing, dan User Acceptance Testing (UAT). Pengujian white box menunjukkan 2 independent path, yang menunjukkan kompleksitas kode yang rendah dan kemudahan perbaikan. Pengujian black box menunjukkan hasil keberhasilan 100%, sementara pengujian UAT mencapai tingkat kepuasan pengguna sebesar 90%. Penelitian ini menunjukkan peningkatan kinerja yang signifikan dalam deteksi penyakit daun jagung dan memberikan solusi yang efisien dan akurat untuk diagnosa penyakit pada skala besar.