Analisa Penyakit Pada Tanaman Cabai Merah (Capsicum annuum L) Dengan Membandingkan Tingkat Akurasi Menggunakan Metode Convolutional Neural Network (CNN) dan K-Nearest Neighbor (KNN)

Anggara, Ade Arya
Ridho, Abdurrahman
Mutia, Cut

Jurnal Teknologi Informasi
Vol 4, No 1 (2025): Mei

Cabai merah (Capsicum annuum L) adalah bumbu pokok yangada di hampir setiap masakan Indonesia dan memiliki nilai jualtinggi dibandingkan tanaman lain. Namun, banyak faktorserangan yang terjadi baik biotik maupun abiotik, sehinggadapat menyebabkan gagalnya panen. identifikasi yang cepatdapat mengurangi risiko kegagalan panen ini. Salah satusolusinya adalah menggunakan teknologi computer visionuntuk mengklasifikasikan citra penyakit tanaman cabai merah.Dalam penelitian ini, digunakan metode Convolutional NeuralJaringan (CNN) dan K-Nearest Neighbor (KNN) untukmembuat model klasifikasi yang dapat memprediksi penyakitpada tanaman cabai merah. Arsitektur VGG16 digunakandalam model CNN dan KNN untuk dapat membantu dalamekstraksi fitur dan pengenalan pola pada citra. Hasilnya, modelCNN memberikan akurasi sebesar 85.46% (dibulatkanmenjadi 86%), sementara model KNN menghasilkan akurasisebesar 81%. Model evaluasi dilakukan dengan menggunakanmetode kerumitan matriks. Metode kekacauan matriks ini akanmenghitung nilai akurasi, presisi, recall dan F1-score darimodel masing-masing. Berdasarkan perhitungan yang telahdilakukan, diperoleh nilai akurasi tertinggi berada pada modelCNN.