<![CDATA[Produksi padi di Indonesia terus menghadapi tantangan serius akibat serangan penyakit tanaman seperti blas, tungro, dan bercak coklat. Penyakit ini dapat menurunkan hasil panen secara signifikan jika tidak dideteksi secara dini. Penelitian ini dilakukan untuk mengembangkan sistem deteksi otomatis menggunakan metode Convolutional Neural Network (CNN) yang mampu mengklasifikasikan jenis penyakit padi berdasarkan citra daun. Dataset yang digunakan terdiri dari citra daun padi yang diambil langsung dari lapangan (primer) dan juga dataset publik RiceLeafs (sekunder). Data citra diproses melalui tahapan preprocessing dan augmentasi untuk meningkatkan kualitas pelatihan model. Arsitektur CNN dibangun dengan beberapa lapisan konvolusi, pooling, dan fully connected yang dilatih menggunakan optimizer Adam dan fungsi loss categorical crossentropy. Hasil pelatihan menunjukkan akurasi validasi mencapai 100%, dengan loss yang sangat rendah, menandakan kinerja model yang sangat baik. Model juga mampu memprediksi kelas penyakit dari citra baru secara akurat. Penelitian ini menunjukkan bahwa penerapan CNN berpotensi besar sebagai alat bantu diagnosis awal penyakit tanaman padi, sehingga dapat memberikan solusi nyata dalam meningkatkan produktivitas pertanian melalui pendekatan teknologi kecerdasan buatan.]]>
Copyrights © 2025
