<![CDATA[Tanaman jagung tumbuh baik di daerah panas dandingin dengan curah hujan dan irigasi yang cukup. Namunselama satu siklus hidupnya dari benih ke benih, setiap bagianjagung rentan terhadap sejumlah penyakit sehingga dapatmenurunkan kuantitas dan kualitas hasil. Karena itu masalahpenyakit merupakan salah satu faktor pembatar produksi danmutu benih.Pada tugas akhir ini akan membahas mengenaiperancangan suatu sistem deteksi penyakit tanaman jagungmenggunakan metode Convolutional Neural Network (CNN)dengan arsitektur Alexnet untuk mengklasifikasikannya. Dataakan diolah melalui beberapa tahap. Dataset yang digunakanpada penelitian Tugas Akhir ini berupa tiga kelas penyakittanaman jagung yaitu, blight, common rust dan grey leaf spotdan satu jenis tanaman sehat dengan total keseluruhan data4188 dataset. Dataset tersebut dapat diakses online melaluiwebsite kaggle.Parameter yang diujikan pada penelitian ini yaitu optimizer,learning rate, jumlah epochs, input size, dan batch sizeberpengaruh terhadap performa sistem yang berupa nilaiakurasi, precision, recall, fl-score, dan loss. Pada penelitian inididapatkan hasil terbaik dengan penggunaan optimizer SGD,learning rate 0,01, jumlah epochs 20, input size 128x128, danbatch size 32 didapatkan hasil performa sistem dengan nilaiakurasi, precision, recall, fl-score, dan loss masing-masingsebesar 89%, 87%, 85%, 85% dan 0,2852, serta grafik performaakurasi dan loss secara good fit.Kata kunci— Penyakit tanaman jagung, ConvolutionalNeural Network, Alexnet. Pengolahan citra digital, Akurasi]]>
