Implementasi MobileNetV2 pada Klasifikasi Penyakit Daun Bibit Kakao Berbasis Pengolahan Citra Digital

Kakao (Theobroma cacao L.) merupakan komoditas perkebunan strategis di Indonesia. Namun produktivitasnya masih menghadapi tantangan serius akibat serangan penyakit daun, khususnya pada fase pembibitan. Penyakit Vascular Streak Dieback (VSD) dan Leaf Blight diketahui dapat menurunkan produktivitas tanaman secara signifikan, sementara proses identifikasi penyakit secara manual masih bersifat subjektif dan berpotensi menimbulkan kesalahan klasifikasi. Penelitian ini bertujuan untuk mengklasifikasikan citra daun bibit kakao kedalam tig akelas, yaitu Sehat, VSD, dan Leag Blight, menggunakan model MobileNetV2 berbasis transfer learning. Dataset yang digunakan merupakan data primer sebanyak 549 citra daun bibit kakao yang diperoleh dari Desa Riso, Kecamatan Tapango, Kabupaten Polewali Mandar, Sulawesi Barat. Tahapan pre-processing meliputi resize, normalisasi, dan augmentasi data, kemudian dataset dibagi dengan rasio 80% data training dan 20% data testing. Model dilatih selama 30 epoch dan evaluasi menggunakan classification report dan confusion matrix. Hasil pelatihan menunjukkan bahwa model MobileNetV2 mencapai akurasi tertinggi sebesar 98,02% dengan nilai loss yang rendah. Evaluasi menunjukkan bahwa kelas VSD berhasil di klasifikasikan secara sempurna, sementara kelas Leaf Blight dan Sehat juga menunjukkan performa yang sangat tinggi dengan tingkat kesalahan klasifikasi yang sangat kecil. Hasil ini membuktikan bahwa MobileNetV2 efektif digunakan untuk klasifikasi citra daun bibit kakao dan berpotensi dikembangkan sebagai sistem pendukung deteksi dini untuk penyakit tanaman kakao berbasis citra digital.