IMPLEMENTASI MODEL TRANSFER LEARNING RESNET152V2 UNTUK KLASIFIKASI PENYAKIT DAUN PEPAYA

Abstract

Pepaya merupakan salah satu komoditas hortikultura yang memiliki nilai ekonomi penting bagi petani di Kecamatan Pajar Bulan. Namun, produktivitas pepaya sering mengalami penurunan akibat serangan berbagai penyakit pada daun. Selama ini identifikasi penyakit masih dilakukan secara visual oleh petani dan penyuluh, sehingga berpotensi menimbulkan kesalahan diagnosis. Penelitian ini bertujuan untuk mengimplementasikan model klasifikasi penyakit daun pepaya berbasis Deep Learning menggunakan pendekatan Transfer Learning dengan arsitektur ResNet152V2 serta mengintegrasikannya ke dalam aplikasi mobile berbasis Flutter. Dataset yang digunakan berjumlah 800 citra daun pepaya yang terdiri dari empat kelas, yaitu Antraknosa, Blackspot, Ringspot, dan Healthy. Data dibagi menjadi 80% untuk training, 10% untuk validasi, dan 10% untuk testing. Tahapan pengolahan data meliputi cleaning, resize citra menjadi 224×224 piksel, normalisasi, serta augmentasi data. Proses pelatihan dilakukan dalam dua tahap, yaitu freeze dan fine-tuning masing-masing selama 100 epoch dengan memanfaatkan bobot pra-latih ImageNet. Hasil evaluasi menunjukkan model mampu mencapai akurasi sebesar 98,75% dengan nilai rata-rata Precision, Recall, dan F1-Score sebesar 0,99 serta loss yang stabil tanpa indikasi overfitting yang signifikan. Model kemudian dikonversi ke format TensorFlow Lite dan berhasil diimplementasikan pada aplikasi Flutter untuk membantu proses identifikasi penyakit daun pepaya secara lebih praktis dan efisien.