Implementasi Metode CNN Pada Klasifikasi Penyakit Jagung

Reza Mawarni (Universitas Nusantara PGRI Kediri)
Resty Wulanningrum (Universitas Nusantara PGRI Kediri)
Risa Helilintar (Universitas Nusantara PGRI Kediri)

Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Vol. 7 No. 3 (2023): SEMINAR NASIONAL INOVASI TEKNOLOGI 2023

Jagung (Zea mays) merupakan bahan pangan yang memegang peranan penting di Indonesia. Total hasil jagung selalu berfluktuasi karena pengaruh penawaran dan permintaan yang selalu berubah. Permintaan jagung yang meningkat tajam di pasar domestik merupakan peluang bagi Indonesia untuk menyeimbangkan pasokan dan permintaan jagung. Namun tanaman jagung dapat terserang hama dan penyakit, antara lain tiga penyakit utama jagung adalah penyakit busuk daun (peronosclerospora maydis, P. philippinensis dan P. sorghi), bercak daun jagung (Bipolaris maydis) dan karat (Puccinia polysora). Oleh sebab itu, Penelitian ini bertujuan untuk mengklasifikasikan penyakit padi menurut daun sakit menggunakan teknik deep learning Metode Convolutional Neural Network (CNN), untuk mempermudah dalam pendeteksi dini penyakit jagung agar bisa segera mendapatkan penanganan. Berdasarkan hasil klasifikasi yang dilakukan, didapatkan akurasi sebesar 97% Dengan menggunakan parameter epoch 40, size 224 x 224, batch size32.