Sistem Klasifikasi Penyakit Tanaman Cabai Menggunakan Metode Deep Learning dengan Library TensorFlow Lite

Indonesia menempati urutan keempat sebagai penghasil cabai terbesar di dunia menurut Food and Agriculture Organization (FAO) dengan hasil produksi sebanyak 1,8 juta ton pada tahun 2017. Petani cabai di Indonesia sering mengalami peristiwa gagal panen di berbagai daerah. Beberapa peristiwa gagal panen disebabkan oleh cuaca ekstrim serta hama dan penyakit. Salah satu kasus serangan hama dan penyakit terjadi di Bandar Lampung pada tahun 2010 yang meyebabkan lahan seluas 77 hektar menjadi rusak dan gagal panen. Maret 2019 di Desa Ngatru, Kecamatan Ngantang, Kabupaten Malang lahan dengan luas 600 hekatar sekitar 70 persen terserang virus gemini dan menyebabkan gagal panen. Maret 2021 terjadi lagi kasus gagal panen yang disebabkan oleh serangan hama dan virus kuning dan penyakit keriting daun di Dusun Karangwidoro Kecamatan Dau Kabupaten Malang. Dalam penelitian ini dibuat sistem klasifikasi penyakit tanaman cabai yaitu Virus Gemini dan Keriting Mozaik dengan menggunakan metode Deep Learning Convolution Neural Network (CNN) dengan Library Tensorflow Lite. Sistem dibangun menggunakan google.colab untuk melatih model klasifikasi. Arsitektur model yang digunakan adalah EfficientNet yang dapat dintegrasikan pada perangkat mobile. Total data digunakan sebanyak 300 citra yang terbagi dalam 3 label kelas daun cabai yaitu sehat, keriting mozaik dan virus gemini. Hasil training dan validasi model dengan menggunakan 240 citra daun cabai diperoleh akurasi sebesar 96,67%. Hasil testing dengan menggunakan 60 citra daun cabai diperoleh akurasi sebesar 96,67%.