<![CDATA[Klasifikasi jenis tanaman kelengkeng merupakan langkah penting untuk mendukung produktivitas dan pengelolaan agrikultur modern. Penelitian ini bertujuan mengembangkan model Convolutional Neural Network (CNN) untuk mengidentifikasi tiga jenis tanaman kelengkeng matalada, pingpong, dan diamond berdasarkan citra daun. Tantangan utama dalam klasifikasi manual terletak pada kemiripan morfologi daun antar varietas dan kondisi pencahayaan yang bervariasi. Penelitian ini menggunakan 350 citra daun untuk setiap varietas, yang diperoleh melalui pemotretan dengan pencahayaan terkontrol. Data dibagi menjadi 70% untuk pelatihan, 10% validasi, dan 20% pengujian. Model CNN dilatih menggunakan pendekatan deep learning dengan teknik regulasi seperti early stopping untuk mencegah overfitting. Evaluasi performa dilakukan menggunakan metrik akurasi, precision, recall, dan confusion matrix. Hasil yang diperoleh menunjukkan bahwa CNN mampu mengekstraksi fitur citra secara otomatis dan mengklasifikasikan jenis daun kelengkeng dengan tingkat akurasi yang baik. Output penelitian ini dikembangkan dalam bentuk web yang memungkinkan pengguna mengunggah gambar dan memperoleh hasil identifikasi varietas kelengkeng secara real-time lengkap dengan confidence score. Hasil evaluasi sistem menunjukkan bahwa model dapat mengklasifikasikan daun kelengkeng dengan tingkat akurasi yang cukup tinggi, yaitu Matalada 96,67%, Diamond 80%, dan Pingpong 73,33%. Temuan ini menunjukkan bahwa teknologi CNN memiliki kemampuan yang baik dalam mengenali pola visual daun. Penelitian ini menawarkan solusi identifikasi jenis kelengkeng yang cepat dan akurat, mendukung implementasi teknologi smart farming, membantu petani dan peneliti dalam pengambilan keputusan budidaya, serta membuka peluang pengembangan dataset dan arsitektur model CNN yang lebih optimal.]]>
