PENGEMBANGAN APLIKASI PROGRESSIVE WEB APP UNTUK DETEKSI PENYAKIT DAUN PADI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK

Abstract

Penyakit daun padi seperti tungro, hawar daun bakteri (BLB), blas, dan brown spot mengancam produktivitas pertanian Indonesia. Identifikasi manual memerlukan waktu lama dan rentan kesalahan. Penelitian ini mengembangkan aplikasi PWA "PadiGuard" berbasis CNN untuk deteksi otomatis penyakit daun padi. Menggunakan metode R&D dengan pendekatan Prototype, dataset ±7.000 citra dari Roboflow dilatih menggunakan transfer learning MobileNetV2-Small di Google Colab selama 10 epoch, lalu diekspor ke TensorFlow.js. Aplikasi PWA dikembangkan dengan HTML, CSS, JavaScript, Service Worker, dan Web App Manifest untuk fungsi offline-first. Hasil pengujian menunjukkan akurasi 97,61% dengan weighted precision 97,63%, weighted recall 97,61%, dan weighted F1-score 97,63%. Tungro terklasifikasi sempurna (precision/recall 1,00), BLB dan blas sangat baik (F1 > 0,97), sedangkan brown spot paling menantang (F1 = 0,88) karena kemiripan visual dengan blas. Pengujian fungsionalitas membuktikan semua fitur optimal di desktop dan mobile, dengan deteksi melalui unggah foto dan kamera, navigasi lancar, serta instalasi PWA berhasil. "PadiGuard" terbukti layak sebagai alat deteksi dini praktis, efisien, dan dapat diakses offline untuk penyuluh dan petani.