Ayu Puspita Sari Sinaga
Unknown Affiliation

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

Found 1 Documents
Search

Evaluasi Penerapan Convolutional Neural Network (CNN) untuk Klasifikasi Penyakit Daun Jagung Menggunakan Pendekatan Systematic Literature Review Riski Rahmadan; Nurliani; Efendi Rahayu; Saudah; Ayu Puspita Sari Sinaga; Enda Ribka Meganta P
RJOCS (Riau Journal of Computer Science) Vol. 11 No. 1 (2025): RJOCS (Riau Journal of Computer Science)
Publisher : Fakultas Ilmu Komputer, Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjocs.v11i1.3068

Abstract

Penyakit pada tanaman jagung dapat menyebabkan kerugian besar dalam produksi pangan, yang berdampak pada perekonomian Indonesia. Salah satu metode yang berkembang untuk mendeteksi dan mengklasifikasikan penyakit tanaman adalah penggunaan Convolutional Neural Network (CNN), yang telah terbukti efektif dalam analisis citra. Penelitian ini bertujuan untuk mengevaluasi dan menganalisis penerapan CNN dalam klasifikasi penyakit pada daun jagung, dengan merujuk pada studi literatur yang ada. Melalui pendekatan Systematic Literature Review (SLR), penelitian ini menilai berbagai arsitektur CNN yang diterapkan pada klasifikasi penyakit tanaman, termasuk jagung, cabai, kentang, dan lada. Hasil penelitian menunjukkan bahwa metode CNN, khususnya dengan arsitektur seperti EfficientNet, mampu memberikan akurasi yang tinggi, dengan rata-rata akurasi sebesar 93.76%. Arsitektur CNN yang berbeda menunjukkan performa yang bervariasi tergantung pada dataset dan teknik preprocessing yang digunakan. Penelitian ini memberikan wawasan tentang bagaimana model CNN dapat dioptimalkan untuk mendeteksi penyakit tanaman dengan akurasi yang lebih baik, serta mengidentifikasi tantangan dan potensi dalam penerapannya pada berbagai jenis tanaman