Abstract:
Penelitian ini bertujuan “untuk mengembangkan sistem klasifikasi penyakit
batang jagung berbasis citra lapangan menggunakan metode Deep Learning dengan
arsitektur MobileNetV3-Small.” Klasifikasi dilakukan terhadap tiga kelas, yaitu
Bacterial Stalk Rot (BSR), Fusarium Stalk Rot (FSR), dan batang sehat. Dataset
dikumpulkan secara langsung dari lahan pertanian dan berjumlah 666 citra,
kemudian dilakukan augmentasi sehingga total dataset menjadi 7.663 citra.
Tahapan pra-pemrosesan meliputi resize citra menjadi 224×224 piksel, normalisasi,
dan augmentasi data. Dataset dipisah menjadi data latih, validasi, dan uji dengan
perbandingan 70:15:15. Model MobileNetV3-Small diterapkan menggunakan
pendekatan transfer learning dengan penambahan Global Average Pooling, Batch
Normalization, Dropout, dan Softmax. Hasil pengujian menunjukkan model
memperoleh akurasi yakni 83% disertai skor precision, recall, dan F1-score yang
seimbang pada setiap kelas. Hasil tersebut menunjukkan MobileNetV3-Small
mampu mengklasifikasikan penyakit batang jagung secara cukup baik dan
berpotensi membantu petani dalam deteksi dini penyakit secara otomatis.
