Fahmi Al Ashri
Universitas Singaperbangsa Karawang

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

Found 1 Documents
Search

PENERAPAN MODEL CONVOLUTIONAL NEURAL NETWORK DALAM DETEKSI PENYAKIT TANAMAN CABAI RAWIT MERAH BERBASIS ANDROID Fahmi Al Ashri; Jajam Haerul Jaman; Intan Purnamasari
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.9582

Abstract

Proses identifikasi penyakit tanaman cabai rawit merah masih banyak dilakukan secara manual melalui pengamatan visual. Cara tersebut memiliki keterbatasan, seperti risiko kesalahan diagnosis, rendahnya kecepatan identifikasi, serta ketergantungan pada pengalaman pengguna. Penelitian ini bertujuan untuk merancang dan membangun aplikasi Android yang mampu mendeteksi penyakit tanaman cabai rawit merah berdasarkan citra daun menggunakan model Convolutional Neural Network (CNN). Sistem dikembangkan menggunakan metode prototype dengan bahasa pemrograman Kotlin, framework Jetpack Compose, serta TensorFlow Lite untuk menjalankan model pada perangkat Android. Aplikasi mendukung dua skenario input, yaitu pengambilan gambar secara langsung melalui kamera dan unggahan gambar dari galeri. Model CNN digunakan untuk mengklasifikasikan citra daun dan menampilkan hasil prediksi berupa jenis penyakit serta nilai confidence score. Pengujian dilakukan melalui unit testing dan User Acceptance Test (UAT). Hasil UAT menunjukkan nilai rata-rata sebesar 4,23 dengan persentase kelayakan 84,6%, sehingga aplikasi termasuk dalam kategori sangat baik. Berdasarkan hasil tersebut, aplikasi yang dikembangkan dapat membantu pengguna dalam melakukan deteksi awal penyakit tanaman cabai secara lebih cepat, praktis, dan efisien.