Sistem Deteksi Penyakit Daun Singkong Menggunakan Deep Learning dengan Arsitektur MobilenetV3 berbasis Android

Abstract

Cassava is a source of carbohydrates that is used as the main food in several regions such as Africa. The quality of Cassava can be seen from its leaves. So this study is based on 4 diseases that affect cassava yields, including Cassava Bacterial Blight (CBB), Cassava Brown Streak Disease (CBSD), Cassava Mosaic Disease (CMD), and Cassava Green Mottle (CGM). The algorithm used is CNN with Mobilenetv3 Architecture. MobilenetV3 is an Architecture from CNN that is good enough for the disease detection process in cassava leaves by having an accuracy of 88.78% and Validation with a score of 88.62% accuracy with MobilenetV3 has better accuracy compared to the EfficientNet-B7 architecture with an accuracy of 71.57% while with ConvNext small has an accuracy of 81.90%. This application for detecting diseases in cassava leaves is based on Android where the application can detect diseases in cassava leaves in real time. The method applied uses Deep Learning, which is a subfield of machine learning where the research stages used are dataset, preprocessing, model evaluation, embedding to Android App and testing.
Keywords: CNN, Deep Learning, Mobilenetv3
 
Abstrak
Singkong merupakan sumber karbohidrat yang dijadikan makanan utama dibeberapa daerah seperti afrika. Kualitas Singkong dapat dilihat dari daunnya sehingga penelitian ini didasarkan pada 4 penyakit yang mempengaruhi hasil singkong diantaranya, Cassava Bacterial Blight (CBB), Cassava Brown Streak Disease (CBSD), Cassava Mosaic Disease (CMD), dan Cassava Green Mottle (CGM). Algoritma yang digunakan adalah CNN dengan Arsitektur Mobilenetv3. MobilenetV3 merupakan Arsitektur dari CNN yang cukup baik untuk proses deteksi penyakit pada daun singkong dengan memiliki akurasi 88.78% dan Validasi dengan skor 88.62%, akurasi dengan MobilenetV3 memiliki akurasi yang lebih baik dibandingkan dengan arsitektur EfficientNet-B7 dengan akurasi 71.57% sedangkan dengan ConvNext small memiliki akurasi 81.90%. Aplikasi deteksi penyakit pada daun singkong ini berbasis android dimana aplikasi ini dapat mendeteksi penyakit pada daun singkong secara realtime. Metode yang diterapkan menggunakan deep learning yang merupakan subbidang dari machine learning dimana tahapan penelitian yang dipakai adalah dataset, prepocessing, evaluasi model, embed to Android App dan pengujian.
Kata Kunci: CNN, Deep Learning, Mobilenetv3