Klasifikasi Penyakit Tanaman Nanas di Kota Prabumulih Menggunakan Model Transfer Learning Berbasis Mobilenetv3-Large

Abstract

Tanaman nanas merupakan salah satu komoditas pertanian unggulan di Kota Prabumulih, Sumatera Selatan. Namun, produktivitasnya menurun akibat penyakit seperti fruit rot, root rot, dan mealybug wilt yang sulit dikenali dengan cepat oleh petani. Penelitian ini bertujuan mengembangkan sistem klasifikasi penyakit tanaman nanas berbasis citra digital dengan pendekatan transfer learning menggunakan arsitektur MobileNetV3-Large. Dataset terdiri dari citra primer hasil dokumentasi lapangan dan citra sekunder dari Roboflow, yang dikategorikan dalam empat kelas: sehat, fruit rot, root rot, dan mealybug wilt. Proses penelitian mencakup pra-pemrosesan data (resize, augmentasi, normalisasi), pelatihan model dalam dua tahap (ekstraksi fitur dan fine-tuning), serta evaluasi menggunakan akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan akurasi validasi sebesar 91% dan F1-score sebesar 90%, yang mencerminkan performa klasifikasi yang baik dan stabil. Model juga diimplementasikan ke dalam aplikasi berbasis Gradio untuk pengujian interaktif. Hasil penelitian ini menunjukkan bahwa pendekatan transfer learning dengan arsitektur MobileNetV3-Large efektif untuk klasifikasi penyakit tanaman nanas dan berpotensi diintegrasikan ke dalam sistem deteksi penyakit pertanian secara praktis. Kata kunci: tanaman nanas, klasifikasi citra, MobileNetV3, transfer learning, deep learning