KOMPARASI PENGGUNAAN DATA LAB DAN FIELD CONDITION UNTUK MEMBANGUN MODEL KLASIFIKASI PENYAKIT PADA DAUN APEL

Abstract

Produksi buah apel di Indonesia pada tahun 2021 mengalami penurunan sebanyak 6.807 Ton dibandingkan dengan tahun sebelumnya. Salah satu faktor yang berkontribusi dalam penurunan tersebut adalah penyakit yang menyerang tanaman apel. Jika hal tersebut dibiarkan tanpa penanganan dan identifikasi yang tepat, maka dalam kasus terburuknya potensi kegagalan panen dapat mencapai 60%. Tujuan penelitian ini adalah meng-implementasikan teknologi deep learning dengan menggunakan arsitektur Mobilenet berbasis Transfer Learning untuk melakukan identifikasi penyakit terhadap daun tanaman apel berdasarkan citra gambar yang diolah dengan melakukan komparasi terhadap dataset yang membangunnya. Penelitian ini mengadopsi metode Machine Learning Modelling Life Cycle yang berfokus kepada pengembangan model kecerdasan buatan. Tahapannya meliputi data collection, preprocessing, modelling, evaluation dan inference. Hasil skema uji silang dataset, menunjukkan kinerja lebih baik pada model field condition dibandingkan model lab condition, dengan akurasi 70,55% dan AUC 0,8872. Berdasarkan temuan tersebut dapat disimpulkan bahwa model yang dibangun menggunakan dataset field condition memiliki kinerja lebih unggul dalam menghadapi data baru untuk tugas klasifikasi penyakit pada daun apel