Penelitian ini mengembangkan model Convolutional Neural Network
(CNN) menggunakan TensorFlow untuk mendeteksi penyakit pada pohon pisang,
yang disimpan dalam format h5 dan dikonversi menjadi TensorFlow Lite (TFLite)
untuk diimplementasikan dalam aplikasi Android. Dataset yang digunakan berasal
dari Banana Disease Recognition Dataset di Kaggle terdiri dari 408 gambar dengan
7 kelas penyakit yang berbeda. Melalui augmentasi data, jumlah gambar meningkat
menjadi 1.211 untuk melatih model CNN yang dirancang dengan beberapa lapisan
konvolusi, pooling, dan fully connected untuk klasifikasi. Model ini dilatih dengan
pembagian data 55% untuk pelatihan, 15% untuk validasi, 15% untuk pengujian,
dan 15% untuk pengujian peer kelas.
Model CNN memiliki beberapa lapisan konvolusi dan pooling serta fully
connected untuk klasifikasi, mencapai akurasi 96% pada data uji dengan nilai loss
12%. Aplikasi Android yang dihasilkan memungkinkan prediksi langsung pada
perangkat mobile, menyediakan alat yang efisien untuk pemantauan penyakit
tanaman.