ANALISIS PENGARUH IMAGE ENHANCEMENT PADA MODEL MOBILENETV2 UNTUK KLASIFIKASI PENYAKIT TANAMAN PADI

Penyakit tanaman padi merupakan salah satu faktor utama yang menyebabkan
penurunan produktivitas dan kualitas hasil panen. Di sisi lain, proses identifikasi
penyakit secara manual masih bergantung pada pengamatan visual yang
memerlukan keahlian khusus sehingga berpotensi menimbulkan kesalahan
diagnosis. Penelitian ini bertujuan untuk menganalisis pengaruh berbagai teknik
image enhancement terhadap kinerja model MobileNetV2 berbasis transfer
learning dalam mengklasifikasikan penyakit tanaman padi. Delapan skenario
preprocessing tunggal yang terdiri atas Gamma Correction, Histogram
Equalization (HE), Contrast Limited Adaptive Histogram Equalization (CLAHE),
Median Blurring, Bilateral Filtering, Non-Local Means Denoising (NL-Means),
Excess Green Index (ExG), serta lima kombinasi hybrid image enhancement diuji
menggunakan metode Stratified 10-Fold Cross Validation. Evaluasi model
dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil
penelitian menunjukkan bahwa penerapan image enhancement memberikan
pengaruh yang berbeda terhadap performa MobileNetV2. Metode Excess Green
Index (ExG) sebagai preprocessing tunggal menghasilkan performa terbaik dengan
nilai accuracy sebesar 91,25%, precision sebesar 91,28%, recall sebesar 91,25%,
dan F1-score sebesar 91,25%, meningkat dibandingkan model baseline yang
memperoleh accuracy sebesar 89,06%. Sementara itu, seluruh metode hybrid
image enhancement yang diuji belum mampu melampaui performa ExG sebagai
metode tunggal, meskipun beberapa kombinasi seperti ExG→NL-Means
menghasilkan peningkatan dibandingkan baseline. Temuan penelitian ini
menunjukkan bahwa efektivitas image enhancement tidak ditentukan oleh
banyaknya tahapan preprocessing, melainkan oleh kesesuaiannya dalam
meningkatkan kualitas fitur visual yang diekstraksi oleh MobileNetV2. Dengan
demikian, Excess Green Index merupakan metode preprocessing yang paling efektif
untuk meningkatkan performa klasifikasi penyakit tanaman padi pada dataset yang
digunakan dalam penelitian ini.