Leaf Guard: Aplikasi Mobile Pendeteksi Penyakit Daun pada Tanaman Solanaceae Berbasis Convolutional Neural Network = Leaf Guard: Mobile Application for Leaf Disease Detection in Solanaceae Plants Based on Convolutional Neural Network

Latar belakang. Indonesia dikenal sebagai negara agraris yang mengandalkan sektor pertanian sebagai pilar utama ekonomi dan kehidupan warga, di mana penyakit pada tanaman Solanaceae seperti kentang, tomat, dan paprika menjadi tantangan besar bagi petani karena gejalanya sering kali serupa dan sulit diidentifikasi secara manual. Tujuan. Penelitian ini bertujuan untuk mengintegrasikan model EfficientNetV2-L dalam aplikasi berbasis transfer learning untuk mendeteksi kondisi daun pada tanaman Solanaceae dan memberikan rekomendasi penanganan yang tepat. Metode. Sistem dikembangkan menggunakan metode Waterfall, memanfaatkan model EfficientNetV2-L yang dilatih pada citra daun berukuran 100x100, 256x256, dan 300x300 piksel dengan augmentasi blur dan kombinasi, lalu diintegrasikan ke dalam aplikasi mobile dan diuji menggunakan metode black box testing. Hasil. Model EfficientNetV2-L menunjukkan akurasi tertinggi sebesar 97% pada input size 300x300 piksel dengan augmentasi kombinasi. Kesimpulan. Penelitian ini menghasilkan teknologi yang mampu memberikan akurasi deteksi tinggi, dengan potensi efisien komputasi pada model tertentu, sehingga mendukung penerapan praktis di aplikasi mobile.

Kata kunci: pembelajaran transfer; EfficientNetV2-L; augmentasi data; ukuran input; deteksi penyakit daun; aplikasi mobile.