Klasifikasi Penyakit Daun Padi Berbasis Website Menggunakan CNN EfficientNet-B0

Abstract

Penyakit daun padi seperti Bacterial Blight, Blast, Brownspot, dan Tungro menjadi ancaman yang menurunkan produktivitas panen di wilayah Pertanian RW 002, Kecamatan Sumpiuh, Kabupaten Banyumas. Identifikasi penyakit secara manual oleh pengawas lapangan berjalan lambat dan rentan salah akibat kemiripan visual antar gejala, terutama bagi petani baru yang harus menunggu respons pengawas. Penelitian ini merancang dan mengimplementasikan sistem klasifikasi otomatis berbasis website yang memberikan indikasi awal secara cepat kepada petani, tanpa menggantikan peran pengawas sebagai pengambil keputusan akhir. Convolutional Neural Network dengan arsitektur EfficientNet-B0 diimplementasikan menggunakan PyTorch dan pustaka timm, dilatih pada dataset gabungan dari repositori publik Kaggle. Sistem dibangun menggunakan framework Flask dan basis data MySQL mengikuti pendekatan Software Development Life Cycle. Pengujian pada data uji Kaggle menunjukkan model mencapai akurasi, presisi, dan recall sebesar 99%, sementara pengujian Black Box dan White Box membuktikan website memproses citra unggahan dan menampilkan hasil klasifikasi secara responsif. Namun, pengujian tambahan pada citra lapangan asli menunjukkan penurunan akurasi yang signifikan, mengindikasikan domain gap antara data latih dan kondisi lapangan. Temuan ini menjadi dasar disediakannya mekanisme verifikasi pengawas, sehingga hasil otomatis tetap dapat ditinjau dan dikoreksi tanpa mengambil alih keputusan akhir dari pengawas lapangan.