<![CDATA[Tinjauan literatur ini bertujuan serta berfokus pada penerapan berbagai macam teknik machine learning dalam klasifikasi penyakit karat daun pada tanaman jeruk,dimana teknik yang digunakan berkaitan erat dengan machine learning dan bertujuan utama dalam pneyelesaian klasifikasi penyakit karat daun pada tanaman jeruk . Dengan mengacu pada jurnal-jurnal terkini yang mengaplikasikan metode beragam seperti citra hiperspektral, pencitraan fluoresensi, deep transfer learning, serta optimasi model, kajian ini bertujuan mengevaluasi efektivitas pendekatan machine learning dalam mendeteksi penyakit karat daun. Teknik yang dianalisis mencakup Convolutional Neural Network (CNN) untuk ekstraksi fitur pada citra daun lemon dan jeruk manis, serta algoritma K-Nearest Neighbor (KNN) yang digunakan untuk mengidentifikasi penyakit berdasarkan pola citra daun. Berdasarkan tinjauan literatur, dengan pendekatan machine learning menunjukkan potensi besar dalam mengklasifikasikan penyakit karat daun yang menghasilkan tingkat akurasi yang tinggi. Namun, keberhasilan metode ini sangat bergantung pada kualitas data yang digunakan dan optimalisasi algoritma untuk mencapai hasil yang konsisten,hasil yang diberikan juga bergantung pada sistem data atau input yang diberikan sebelumnya .Metode yang telah disebutkan sebelumnya memungkinkan menghasil dan membarikan kualitas yang dapat dikaji lebih lanjut ,hal ini mempertimbangkan bagaimana cara metode tersebut berkerja.Secara menyeluruh efektifitas pendekatan machine learning pada klasifikasi penyakit karat daun pada tamanan jeruk menghasilkan model penelitian yang lebih terkaji dan terintegrasi satu sama lain.Kajian ini juga menggaris bawahi pentingnya pengembangan data latih yang lebih beragam serta peningkatan kualitas model machine learning agar klasifikasi penyakit karat daun pada tanaman jeruk dapat dilakukan dengan lebih efektif dan akurat.]]>
