Deteksi Penyakit Daun Tomat Real-Time pada Platform Android Berbasis Convolutional Neural Network

Abstract

Tanaman tomat (Solanum lycopersicum) merupakan komoditas hortikultura dengan kerentanan tinggi terhadap infeksi patogen pada daun, berdampak signifikan pada kualitas dan produktivitas. Identifikasi dini penyakit daun tomat menjadi krusial untuk mencegah kerugian ekonomi, namun metode konvensional secara visual dinilai kurang efektif karena bersifat subjektif dan membutuhkan waktu lama. Penelitian ini bertujuan mengembangkan aplikasi mobile untuk mengidentifikasi penyakit daun tomat secara real-time, akurat, dan dapat mengetahui hasil langsung di lokasi penanaman. Sistem dikembangkan menggunakan pendekatan CNN dengan arsitektur MobileNetV2V2 yang di optimasi untuk perangkat mobile. Model dilatih menggunakan 9.600 citra daun tomat mencakup enam kategori penyakit, dikonversi ke format ONNX dan diimplementasikan ke platform Android melalui Unity dengan framework Barracuda. Evaluasi model menunjukkan performa yang sangat baik dengan akurasi pelatihan 95%. Pengujian pada 60 sampel di lingkungan nyata menghasilkan akurasi deteksi real-time 88,33%, dengan precision 87,5%, recall 88,3%, dan F1-score 87,9%. Aplikasi ini menawarkan solusi praktis bagi petani untuk identifikasi penyakit tanpa bergantung pada koneksi internet, memungkinkan penanganan dini yang tepat, mengurangi penggunaan pestisida berlebihan, dan berpotensi meningkatkan produktivitas tanaman tomat melalui pengendalian penyakit yang lebih efektif.