PENERAPAN METODE CNN RESNET152 PADA PENGEMBANGAN APLIKASI VANILLATECH BERBASIS MOBILE UNTUK IDENTIFIKASI PENYAKIT TANAMAN VANILI

Tanaman vanili merupakan komoditas perkebunan bernilai ekonomi tinggi, namun produktivitasnya sangat dipengaruhi oleh serangan penyakit yang sulit diidentifikasi secara dini melalui metode konvensional. Penelitian ini bertujuan mengembangkan sistem identifikasi penyakit tanaman vanili berbasis citra digital menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur ResNet152 yang diimplementasikan pada aplikasi mobile. Dataset yang digunakan merupakan data primer hasil pengambilan citra lapangan, yang setelah proses augmentasi menghasilkan total 1.616 citra yang terbagi ke dalam lima kelas penyakit. Model dilatih menggunakan skema transfer learning dengan penyesuaian parameter pelatihan untuk menangani variasi pencahayaan, sudut pengambilan gambar, dan kondisi visual lapangan. Hasil evaluasi menunjukkan bahwa model ResNet152 mampu mencapai akurasi tinggi dan stabil dalam mengklasifikasikan penyakit tanaman vanili. Integrasi model ke dalam aplikasi mobile memungkinkan proses diagnosis dilakukan secara cepat dan praktis di lapangan. Kebaruan penelitian ini terletak pada optimalisasi model ResNet152 berbasis transfer learning yang dirancang khusus untuk citra lapangan vanili serta penerapannya dalam sistem mobile diagnosis yang dapat digunakan langsung oleh petani.