Deteksi Penyakit pada Tanaman Tomat Menggunakan Model Inception V3 Berbasis Mobile

Tomato Plant Disease Detection Using a Mobile-Based Inception V3 Model

Tanaman tomat merupakan salah satu dari bahan makanan yang sangat familiar di masyarakat. Sama seperti tanaman lain, tanaman tomat juga bisa terserang penyakit. Ada beberapa penyakit yang dimiliki oleh tanaman tomat, yaitu Bacterial Spot, Early Blight, Late Blight, Leaf Mold, Septoria Leaf Spot, Spider Mite, Target Spot, yellow Leaf Curl Virus, dan Mosaic Virus. Sebagai salah satu langkah inovatif mengatasi masalah ini, penulis bermaksud untuk mengembangkan sistem yang berfungsi untuk mendeteksi penyakit pada tanaman tomat menggunakan metode Convolutional Neural Network. Data yang digunakan pada penelitian ini diambil dari website kaggle.com. Penelitian ini dilakukan dengan harapan dan tujuan agar para petani dapat lebih mudah mengidentifikasi penyakit yang terdapat pada tanaman tomat dan segera melakukan pencegahan/pengobatan pada tanaman tomat yang teridentifikasi memiliki hasil akhir akurasi sebesar 99% menggunakan Adam Optimizer.

Tomato plants are one of the most commonly used food ingredients in cooking, making them highly familiar to society. Like other plants, tomato plants are susceptible to various diseases. Several diseases can affect tomato plants, including Bacterial Spot, Early Blight, Late Blight, Leaf Mold, Septoria Leaf Spot, Spider Mite, Target Spot, Yellow Leaf Curl Virus, and Mosaic Virus. As an innovative step to address these challenges, the author intends to develop a system that functions to detect diseases in tomato plants using the Convolutional Neural Network method. The data used in this research was obtained from the kaggle.com website. This research aimed to facilitate disease identification in tomato plants for farmers, enabling timely prevention and treatment interventions. The proposed model achieved a final accuracy of 99% using the Adam Optimizer.