Sistem Pendeteksi Hama Blas Pada Daun Padi Menggunakan Computer Vision

Perkembangan computer vision di era industri 4.0 seharusnya dapat membantu berbagai bidang, salah satunya adalah pertanian. Permasalahanya adalah petani kesulitan dalam mendeteksi hama blas karena kemiripan terhadap hama tungro dan hawar daun. Tujuan dari penelitian ini adalah untuk membangun sistem pendeteksi hama blas pada daun padi menggunakan computer vision yang memungkinkan pengguna dapat melakukan pendeteksian hama dengan menggunakan model yang disematkan pada Smartphone. Pengembangan aplikasi menggunakan metode prototype yang didalamnya terdapat analisis dan perancangan sistem. Aplikasi mengimplementasi algoritma CNN (convolutional neural network) dengan arsitektur mobilenet v1. Model dibangun menggunakan dataset yang berasal dari kaggle. Total dataset yang didapatkan 195 data latih dan 45 data uji menggunakan perbandingan 80:20 persen untuk data latih dan validasi dengan ukuran masukkan 224 x 224 piksel. Berdasarkan hasil pelatihan didapat tingkat akurasi 1.0 dan validasi akurasi 0.94 dengan maksimal 150 kali epoch. Berdasarkan hasil pengujian akurasi didapatkan hasil akurasi terbaik sistem sebesar 91.67%. Model di eksekusi menggunakan interpreter Tensorflow Lite yang tertanam pada aplikasi. Hasil aplikasi memenuhi keseluruhan analisis kebutuhan fungsional sistem. Faktor yang mempengaruhi perbedaan hasil pengujian tersebut adalah jarak obyek yang dideteksi, kondisi pencahayaan, dan kualitas gambar.