Perancangan Aplikasi Mobile untuk Deteksi Penyakit pada Daun Jeruk Menggunakan Algoritma Convolutional Neural Network (CNN)

Abstract

Deteksi penyakit daun jeruk secara manual membutuhkan waktu lama dan rentan kesalahan, sehingga sering menyebabkan penanganan penyakit terlambat dan menurunkan produktivitas tanaman. Penelitian terdahulu telah menerapkan Convolutional Neural Network (CNN) untuk klasifikasi penyakit daun jeruk, namun masih memiliki keterbatasan, antara lain ketergantungan pada proses cloud, akurasi di bawah 99%, dataset yang kecil dan tidak seimbang, serta belum diwujudkan dalam bentuk aplikasi mobile yang utuh. Penelitian ini bertujuan merancang aplikasi mobile berbasis Android untuk mendeteksi penyakit daun jeruk secara otomatis dan on-device menggunakan algoritma CNN dengan arsitektur MobileNetV2, guna menutup keterbatasan tersebut. Penelitian menggunakan pendekatan Research and Development dengan metode kuantitatif, memanfaatkan 38.432 citra dari dataset Orange Leaf Disease yang dibagi dengan rasio 80:10:10 untuk data training, validation, dan testing pada lima kelas kondisi daun. Aplikasi dibangun menggunakan Flutter sebagai frontend dan Laravel sebagai backend, dengan inferensi model dijalankan sepenuhnya secara on-device melalui TensorFlow Lite tanpa bergantung pada koneksi internet. Hasil pengujian menunjukkan model mencapai akurasi 99,87%, serta pengujian robustness terhadap 1.040 citra pada lima kondisi (original, blur, brightness, noisy, dan zoom) menunjukkan rata-rata konsistensi prediksi sebesar 90% pada model klasifikasi penyakit dan 100% pada model deteksi daun. Pengujian fungsional menggunakan Black Box Testing menunjukkan seluruh fitur aplikasi berjalan sesuai rancangan. Aplikasi ini terbukti layak digunakan sebagai media identifikasi dini penyakit daun jeruk yang akurat, cepat, dan dapat diandalkan pada berbagai kondisi citra di lapangan