Implementasi Arsitektur MobileNetV2 untuk Deteksi Penyakit Antraknosa dan Busuk Buah pada Cabai Rawit
DOI:
https://doi.org/10.29407/71dgax95Keywords:
antraknosa, busuk buah, MobileNetV2, deep learningAbstract
Cabai rawit (Capsicum frutescens) merupakan komoditas hortikultura potensial yang banyak dibudidayakan di Indonesia. Namun, produksi cabai rawit seringkali terganggu oleh penyakit, terutama antraknosa yang disebabkan oleh jamur Colletotrichum dan busuk buah yang disebabkan oleh larva lalat buah (Bactrocera spp.). Penyakit ini menyebabkan penurunan kualitas dan kuantitas hasil panen. Penelitian ini bertujuan untuk mendeteksi penyakit antraknosa dan busuk buah pada cabai menggunakan metode deep learning dengan arsitektur MobileNetV2 pada Convolutional Neural Network (CNN). Data penelitian terdiri dari gambar cabai sehat dan terinfeksi yang dikumpulkan langsung dari lahan pertanian. Dataset diproses menggunakan teknik augmentasi, seperti rescaling, rotasi, zoom, dan flipping untuk meningkatkan kualitas model. Model MobileNetV2 dipilih karena efisiensinya dalam lingkungan dengan daya komputasi terbatas. Pelatihan dilakukan selama 100 epoch dengan hasil akurasi tinggi sebesar 0,9736 pada dataset pelatihan dan 1,000 pada dataset validasi. Grafik akurasi dan loss menunjukkan performa model yang stabil dengan overfitting minimal. Hasil penelitian ini menunjukkan bahwa arsitektur MobileNetV2 efektif dalam mendeteksi penyakit antraknosa dan busuk buah pada cabai rawit. Meskipun demikian, kesalahan klasifikasi pada beberapa gambar menekankan pentingnya penambahan dataset yang lebih beragam, khususnya untuk penyakit busuk buah. Implementasi model ini diharapkan dapat membantu petani mendeteksi penyakit secara cepat dan meningkatkan produktivitas cabai rawit di Indonesia.
Downloads
References
Milawati Saranani, “Pengendalian Hama Tanaman Cabai Rawit Dan Dampaknya Terhadap Pendapatan
Petani Di Desa Lalopisi Kecamatan Meluhu,” Jurnal Riset Rumpun Ilmu Tanaman, vol. 2, no. 2, hlm. 115–126, Okt
, doi: 10.55606/jurrit.v2i2.2719.
M. Anwar, Y. Kristian, dan E. Setyati, “CLASSIFICATION OF CHILI PLANT DISEASES EQUIPPED WITH
LEAF AND FRUIT IMAGE SEGMENTATION USING YOLO V7,” Journal of Information Technology and
Computer Science (INTECOMS), vol. 6, no. 1, 2023.
A. Sulaiman, F. Rianto, dan S. Sarbino, “Potensi Isolat Kamir Filosfer Buah Cabai sebagai Antagonis Terhadap
Patogen Antraknosa,” Paspalum: Jurnal Ilmiah Pertanian, vol. 9, no. 1, hlm. 16, Mar 2021, doi:
35138/paspalum.v9i1.156.
L. Supriati dan A. A. Djaya, “Anthracnose Disease on Red Pepper with Involve Agents
Trichoderma harzianum and Actinomycetes),” The Control, 2016.
F. Marpaung, “KLASIFIKASI DAUN TEH SIAP PANEN MENGGUNAKAN CNN DENGAN
ARSITEKTUR MOBILENETV2,” 2023.PROSIDING SEMINAR NASIONAL TEKNOLOGI DAN SAINS TAHUN 2025, Vol. 4.
Program Studi Teknik Informatika, Universitas Nusantara PGRI Kediri. e- ISSN: 2828–299X
Kediri, 25 Januari 2025 506
Setiono Mukti dan Supratman, “Klasifikasi Penyakit Antraknosa Citra Cabai Rawit Dengan Metode
Convolutional Neural Network (CNN),” Hal; Jl. Jembatan Merah No.84 C Gejayan Yogyakarta, vol. 11, no. 2,
B. N. Ningrum Cahya Tri, U. Mahdiyah, dan D. Swanjaya, “Implementasi Deep Learning Untuk
Pengenalan Penyakit Antraks Pada Buah Cabai,” Online, 2024
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Mohamad Ansori Pratama
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
