Text
IMPLEMENTASI APLIKASI MOBILE UNTUK KLASIFIKASI JENIS DAUN ALPUKAT MENGGUNAKAN MOBILENETV3
Perkembangan teknologi pengolahan citra dan deep learning memberikan peluang besar dalam mendukung identifikasi tanaman secara otomatis. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi jenis daun alpukat menggunakan arsitektur MobileNetV3 serta mengimplementasikannya pada aplikasi mobile berbasis Flutter. Data primer terdiri dari 900 citra daun alpukat yang berasal dari lima kelas, yaitu Aligator, Madu, Kendil, Super, dan SW01. Dataset dibagi menjadi 80% data latih, 10% data validasi, dan 10% data uji. Proses augmentasi diterapkan hanya pada data latih dengan lima variasi augmentasi untuk setiap citra sehingga setiap kelas menjadi 720 citra dan total data latih bertambah menjadi 3.600 citra. Seluruh citra dinormalisasi dan diubah ukurannya menjadi 224×224 piksel agar sesuai dengan kebutuhan input MobileNetV3. Model dilatih menggunakan pendekatan transfer learning dengan optimizer Adam, learning rate 0.0001, dan loss function Categorical Crossentropy. Hasil pengujian menunjukkan bahwa MobileNetV3-Large memberikan performa terbaik dengan akurasi 97%, sedangkan MobileNetV3- Small menghasilkan akurasi 90%. Berdasarkan akurasi tersebut, MobileNetV3- Large dipilih sebagai model utama yang diintegrasikan ke dalam aplikasi mobile karena mampu mengklasifikasikan jenis daun alpukat secara lebih efektif dan andal. Implementasi model ke aplikasi memungkinkan pengguna untuk melakukan deteksi secara real-time melalui kamera atau unggahan gambar. Secara keseluruhan, penelitian ini berhasil menghasilkan model klasifikasi jenis daun alpukat yang akurat, efisien, dan siap digunakan pada perangkat mobile. Sistem ini diharapkan dapat membantu masyarakat, petani, serta pelaku usaha tanaman dalam mengidentifikasi varietas alpukat dengan cepat dan mudah, serta menjadi dasar bagi pengembangan sistem klasifikasi tanaman lain di masa mendatang.
No other version available