RANCANG BANGUN APLIKASI ANDROID UNTUK KLASIFIKASI PENYAKIT DAUN TANAMAN BERDASARKAN CITRA DIGITAL MENGGUNAKAN TENSORFLOW LITE

DESIGN OF ANDROID APPLICATION FOR PLANT LEAF DISEASE CLASSIFICATION BASED ON DIGITAL IMAGES USING TENSORFLOW LITE

Pertanian memainkan peran strategis dalam perekonomian Indonesia, dengan sekitar 29.342.202unit usaha pertanian perorangan tercatat pada tahun 2023 menurut Badan Pusat Statistik (BPS). Desa Golokan, Kecamatan Sidayu, Kabupaten Gresik, merupakan salah satu kawasan agraris dengan 23,22% penduduknya bekerja sebagai petani dan memiliki luas lahan pertanian sebesar 385 hektar. Namun, dalam periode 2019–2023, terjadi penurunan produksi signifikan pada tiga komoditas utama: jagung turun dari 302,5ton menjadi 275,6 ton, tomat dari 810ton menjadi 585 ton, dan singkong dari 1.000ton menjadi 832 ton. Salah satu faktor penyebabnya adalah serangan penyakit tanaman yang sulit dideteksi secara dini. Untuk menjawab tantangan ini, penelitian ini merancang dan mengembangkan aplikasi Android bernama AgroAI dengan memanfaatkan teknologi deep learning, khususnya model Convolutional Neural Network (CNN) berbasis arsitektur MobileNet yang dioptimalkan menggunakan TensorFlow Lite untuk perangkat mobile. Pengembangan dilakukan menggunakan metodologi Scrum dalam dua sprint. Sprint pertama mencakup analisis kebutuhan, pengumpulan dataset, desain antarmuka, dan pelatihan model. Sprint kedua mencakup implementasi fitur utama seperti deteksi penyakit daun melalui kamera atau galeri, tampilan hasil klasifikasi disertai solusi, manajemen riwayat analisis, artikel, serta autentikasi pengguna berbasis Firebase. Pengujian black box membuktikan semua fitur berfungsi sesuai skenario, sementara validasi model mencatat akurasi sebesar 94,74%. Aplikasi ini diharapkan dapat meningkatkan efisiensi petani dalam mengelola tanaman dan mendukung keberlanjutan sektor pertanian lokal maupun nasional.

Agriculture plays a strategic role in Indonesia's economy, with approximately 29,342,202 individual agricultural enterprises recorded in 2023, according to Statistics Indonesia (BPS). Golokan Village, located in Sidayu District, Gresik Regency, is one of the agrarian areas where 23.22% of the population works as farmers, and it has a total agricultural land area of 385 hectares. However, between 2019 and 2023, there was a significant decline in the production of three main commodities: corn decreased from 302.5tons to 275.6tons, tomatoes from 810tons to 585 tons, and cassava from 1,000tons to 832tons. One of the contributing factors is the difficulty in early detection of plant diseases. To address this challenge, this study designed and developed an Android application called AgroAI utilizing deep learning technology, specifically a Convolutional Neural Network (CNN) model based on the MobileNet architecture optimized with TensorFlow Lite for mobile devices. The development was carried out using the Scrum methodology in two sprints. The first sprint included needs analysis, dataset collection, interface design, and model training. The second sprint implemented the core features such as leaf disease detection via camera or gallery, classification results with recommended solutions, analysis history management, educational articles, and user authentication via Firebase. Black box testing confirmed that all features functioned as intended, while model validation achieved an accuracy of 94.74%. This application is expected to enhance farmers' efficiency in crop management and support the sustainability of both local and national agricultural sectors.