Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI)
Riski Rudiansah
Universitas Bina Sarana Informatika
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Deteksi Penyakit Bercak Daun (Cercospora) pada Tanaman Cabai Menggunakan Metode Convolutional Neural Network (CNN) Riski Rudiansah; Abdul Hadi; Aryansyah; Hendra Supendar; Riza Fahlapi
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1333

Abstract

Cabai (*Capsicum annuum* L.) termasuk tanaman hortikultura yang memiliki peran penting dalam bidang pertanian Indonesia karena nilai komersial yang tinggi serta tingkat konsumsi yang terus meningkat. Tantangan utama yang kerap kali muncul pada pembudidayaan cabai ialah adanya infeksi patogen bercak daun yang dipicu oleh jamur *Cercospora capsici*. Infeksi penyakit tersebut dapat menurunkan kualitas tanaman dan mengurangi hasil produksi apabila tidak segera dikenali dan ditangani. Proses identifikasi yang dilakukan secara konvensional masih mengandalkan pengamatan visual sehingga membutuhkan waktu serta tingkat keahlian tertentu. Guna menyelesaikan kendala tersebut, studi ini merancang metode identifikasi gejala sakit pada daun cabai memanfaatkan teknik pemrosesan gambar digital dengan memanfaatkan metode *Convolutional Neural Network* (CNN). Data yang digunakan berupa kumpulan gambar daun cabai yang telah melalui tahapan pengumpulan, pelabelan, serta pembagian data menjadi set pelatihan dan validasi. Model yang dibangun kemudian dilatih untuk membedakan daun sehat dan daun yang terindikasi penyakit bercak daun. Berdasarkan hasil evaluasi, model CNN mampu mengidentifikasi karakteristik visual penyakit dengan performa yang memuaskan. Oleh karena itu, sistem yang diusulkan dapat dimanfaatkan sebagai solusi pendukung dalam proses deteksi dini penyakit tanaman cabai sehingga membantu petani mengambil tindakan penanganan secara lebih cepat, tepat, dan efisien.
Co-Authors Abdul Hadi Aryansyah RIZA FAHLAPI