ABSTRAK
Sintia. Implementasi MobileNetV2 Pada Klasifikasi Penyakit Daun Bibit Kakao
Berbasis Pengolahan Citra Digital. (Dibimbing oleh Nurhikma Arifin dan Chairi
Nur Insani). Penyakit daun merupakan ancaman serius pada fase pembibitan tanaman kakao
yang berpotensi menurunkan produktivitas hingga 40%. Identifikasi manual oleh
petani sering kali bersifat subjektif dan rentan kesalahan akibat kemiripan gejala
visual antara penyakit Vascular Streak Dieback (VSD) dan Leaf Blight. Penelitian
ini bertujuan mengimplementasikan arsitektur Deep Learning MobileNetV2 untuk
mengklasifikasikan penyakit daun bibit kakao secara otomatis dan akurat. Metode
penelitian menggunakan pendekatan eksperimental dengan dataset primer
sebanyak 600 citra yang diambil langsung di Desa Riso, Polewali Mandar. Citra
dikelompokkan ke dalam tiga kelas: Sehat, VSD, dan Leaf Blight. Pengembangan
model melalui tahap preprocessing, normalisasi, dan transfer learning dengan
pembagian data 80:20. Optimasi dilakukan menggunakan optimizer Adam dengan
learning rate 0.001 serta penerapan dropout untuk mencegah overfitting. Hasil
penelitian menunjukkan bahwa MobileNetV2 mencapai kinerja sangat optimal
dengan akurasi sebesar 0.9358%. Model ini terbukti efisien dalam mengenali pola
penyakit meskipun memiliki struktur parameter yang ringan. Hasil ini
menegaskan bahwa MobileNetV2 sangat relevan diaplikasikan sebagai alat bantu
deteksi dini bagi petani. Melalui klasifikasi akurat pada fase pembibitan, petani
dapat melakukan penanganan lebih awal guna menekan risiko kerugian dan
meningkatkan kualitas keberhasilan pertumbuhan tanaman kakao.