Implementasi Model MaxVit Untuk Deteksi Penyakit Daun Tanaman Bawang Merah Berbasis Mobile

Abstract

Bawang merah (Allium cepa var. aggregatum) merupakan komoditas hortikultura penting di Indonesia. Namun, produktivitasnya sering menurun akibat serangan penyakit daun yang sulit dikenali secara visual. Penelitian ini bertujuan mendeteksi penyakit daun bawang merah menggunakan model Multi-Axis Vision Transformer (MaxViT) dengan teknik transfer learning melalui klasifikasi citra daun. Dataset yang digunakan adalah Onion Dataset yang terdiri dari empat kelas, yaitu Healthy, Purple Blotch, Leaf Blight, dan Iris Yellow Spot Virus. Proses pelatihan model dilakukan menggunakan Python, TensorFlow, dan Google Colab dengan membandingkan optimizer Adam, AdamW, dan SGD. Evaluasi dilakukan menggunakan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa optimizer Adam menghasilkan performa terbaik dengan akurasi pengujian sebesar 98%. Model terbaik kemudian diimplementasikan ke dalam aplikasi mobile berbasis Flutter untuk mendukung deteksi penyakit daun bawang merah secara cepat dan mudah diakses.