Implementasi Model EfficientNetB0 Pada Pembuatan Aplikasi Desktop Untuk Identifikasi Hama Tanaman Sawi Berbasis Deep Learning
Keywords:
Aplikasi Desktop, Deep Learning, Deteksi Hama, EfficientNetB0, Tanaman SawiAbstract
Deteksi hama pada tanaman sawi merupakan langkah penting untuk menjaga kualitas hasil pertanian. Penelitian ini mengembangkan aplikasi desktop untuk mengidentifikasi daun sawi ada hama atau tanpa hama menggunakan metode deep learning berbasis EfficientNetB0. Dataset yang digunakan berasal dari CAISIM dan terdiri dari dua kelas citra daun sawi. Model dilatih menggunakan binary cross-entropy serta teknik data augmentation untuk meningkatkan generalisasi. Hasil pengujian menunjukkan bahwa model EfficientNetB0 mampu mencapai akurasi validasi sebesar 97,65% dengan nilai loss 0,0544, sehingga sangat efektif dalam membedakan daun sawi yang terinfeksi hama dan yang sehat. Model terlatih kemudian diintegrasikan ke dalam aplikasi desktop berbasis Python, sehingga pengguna dapat melakukan deteksi secara langsung melalui antarmuka yang sederhana dan mudah digunakan. Penelitian ini membuktikan bahwa integrasi EfficientNetB0 dalam aplikasi desktop dapat menjadi solusi praktis untuk mendukung sistem deteksi hama pada pertanian modern.
Downloads
References
PRABOWO, Rachmat Udhi et al. AMPLIFIKASI SISTEM AGRIBISNIS KOMODITAS SAWI KABUPATEN MALANG (Studi Kasus Di Desa Pujon Kidul Kabupaten Malang). AGRIBIOS, [S.l.], v. 20, n. 2, p. 202-210, nov. 2022. ISSN 2723-7044. Available at: <https://unars.ac.id/ojs/index.php/agribios/article/view/2361>. Date accessed: 23 nov. 2025. doi: https://doi.org/10.36841/agribios.v20i2.2361.
Z. Zahrawati, S. Soedidjo, and H. Susanti, “Intensitas Serangan Hama Daun, Pertumbuhan dan Hasil Tanaman Sawi (Brassica juncea L.) yang Diaplikasi dengan Beberapa Konsentrasi dan Frekuensi Larutan Daun Galam (Melaleuca cajuputi),” EnviroScienteae, vol. 17, no. 3, pp. 1–10, Nov. 2021. [Online]. Available: https://media.neliti.com/media/publications/389246-none-0745391c.pdf
J. J. Hidayat, C. Setyowati, and A. P. Werdana, “Analisis Penyakit pada Daun Padi Menggunakan VGG-16 Transfer Learning dan Teknik Segmentasi K-Mean,” Jurnal Media Infotama, vol. 21, no. 1, pp. 98–104, Apr. 2025. [Online]. Available: https://jurnal.unived.ac.id/index.php/jmi/article/view/7313
Hidayat, J. J., Setyowati, C., & Werdana, A. P. (2025, May). Perancangan sistem prediksi penyakit padatanaman padi berbasis image processing menggunakan algoritma VGG-16 transfer learningdan K-Means segmentation. Journal of Practical Computer Science, 5(1), 1–15.https://jurnal.pelitabangsa.ac.id/index.php/jpcs/article/view/5759
M. I. Burhanuddin, A. Syaifullah, S. A. P. Jaya, and M. G. Somoal, “Analisis Komparatif Model MobilenetV1 dan EfficientNetB0 dalam Klasifikasi Citra Empat Musim Menggunakan Transfer Learning,” JEKIN: Jurnal Teknik Informatika, vol. 5, no. 2, 2025. [Online]. Available: https://doi.org/10.58794/jekin.v5i2.1378
U. Rahmalisa, M. Mardeni, Y. Yulisman, and A. Linarta, “Implementasi Algoritma Convolutional Neural Network untuk Deteksi Hama pada Tanaman Hidroponik,” Jurnal Informatika, vol. 15, no. 2, 2023. [Online]. Available: https://informatika.universitasdumai.ac.id/index.php/path/article/view/622
A. B. Wicaksono and R. P. Hartati, “Analisis Performa Arsitektur CNN InceptionV3 dan VGG16 dalam Klasifikasi Deteksi Kanker Otak,” JIPI: Jurnal Ilmiah Penelitian dan Pembelajaran Informatika, vol. 10, no. 2, pp. 6090–6097, 2024. [Online]. Available: https://doi.org/10.29100/jipi.v10i2.6090
Mariana Purba, “Klasifikasi Jenis Daun Tanaman Tropis Menggunakan Model ResNet50 Berbasis Transfer Learning dengan Dataset Tropical Plant Leaf”, JCOSIS, vol. 2, no. 2, pp. 51–57, Oct. 2025.
“COMPUTER VISION MODERN”, yayasanpat, vol. 11, no. 1, Sep. 2025, Accessed: Nov. 23, 2025. [Online]. Available: https://penerbit.stekom.ac.id/index.php/yayasanpat/article/view/635
S. Supandi, A. Ghofur, and F. Santoso, “Deteksi Kualitas Rumput Laut Menggunakan Metode Convolution Neural Network (CNN) Berdasarkan Citra Digital (Studi Kasus: Desa Alasmalang Kecamatan Raas Sumenep),” RABIT: Jurnal Teknologi dan Sistem Informasi Univrab, vol. 10, no. 2, pp. 604–614, Jul. 2025. [Online]. Available: https://jurnal.univrab.ac.id/index.php/rabit/article/download/6273/2441
Ninuk wiliani, T. . Khawa, dan S. Ramli, “Peningkatan Kontras Pada PreProcessing Gambar Permukaan Solar Panel dengan Histogram”, InnoTech, vol. 2, no. 1, Jan 2025.
E. S. Budi, A. N. Chan, P. P. Alda, and M. A. F. Idris, “Optimasi Model Machine Learning untuk Klasifikasi dan Prediksi Citra Menggunakan Algoritma Convolutional Neural Network,” RESOLUSI: Rekayasa Teknik Informatika dan Informasi, vol. 4, no. 5, pp. 502–509, May 2024. [Online]. Available: https://djournals.com/resolusi
