Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Profesi Insinyur Universitas Lampung
Putra, Anda
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Control & Systems Engineering Electrical & Electronics Engineering Environmental Science Industrial & Manufacturing Engineering

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

Found 1 Documents
Search

 1 
Klasifikasi Penyakit Daun Cabai Dengan Metode CNN Untuk Deteksi Awal.: Klasifikasi Penyakit Daun Cabai Dengan Metode CNN Untuk Deteksi Awal. Putra, Anda
Jurnal Profesi Insinyur Universitas Lampung Vol. 6 No. 1 (2025)
Publisher : Fakultas Teknik Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jpi.v6n1.147

Abstract

Penelitian ini mengembangkan model klasifikasi penyakit daun cabai menggunakan metode Convolutional Neural Network (CNN) untuk mendukung deteksi dini dalam sektor pertanian. Dataset terdiri dari 222 citra daun cabai yang terbagi dalam dua kategori, yaitu daun sehat dan daun keriting. Proses data melibatkan augmentasi seperti rotasi, flipping, dan zoom untuk meningkatkan variasi dan kualitas dataset. Model CNN dirancang dengan kombinasi lapisan konvolusi, pooling, dan fully connected, dilatih menggunakan optimizer Adam dengan fungsi loss binary crossentropy. Hasil pelatihan menunjukkan akurasi 91% pada data validasi.Implementasi berbasis Flask memungkinkan prediksi real-time melalui antarmuka web yang mudah digunakan. Evaluasi kinerja dilakukan dengan metrik akurasi, presisi, recall, dan confusion matrix untuk memastikan model dapat membedakan daun sehat dan keriting dengan tingkat kesalahan minimal. Hasil penelitian ini menunjukkan bahwa pendekatan berbasis deep learning dapat menjadi solusi praktis bagi petani dalam mendeteksi penyakit daun cabai, sehingga dapat meningkatkan produktivitas dan efisiensi pengelolaan tanaman. Penelitian ini diharapkan dapat dikembangkan lebih lanjut untuk mencakup dataset yang lebih besar dan integrasi dengan perangkat IoT untuk pemantauan otomatis tanaman
Co-Authors