<![CDATA[Padi (Oryza sativa) merupakan komoditas pangan utama di Indonesia yang sangat rentan terhadap serangan penyakit daun, seperti brown spot, blast, dan bacterial leaf blight. Deteksi penyakit secara manual masih memiliki keterbatasan dari segi waktu, akurasi, dan membutuhkan keahlian khusus. Penelitian ini bertujuan mengembangkan model pendeteksian penyakit daun padi berbasis deep learning menggunakan arsitektur ResNet50 dengan optimasi hyperparameter untuk meningkatkan performa model. Dataset citra daun padi dikumpulkan dari sumber terbuka, kemudian dilakukan preprocessing berupa resize, normalisasi, dan augmentasi. ResNet50 digunakan dengan metode transfer learning, sementara hyperparameter seperti learning rate, batch size, jumlah epoch, dan dropout rate dioptimasi menggunakan Bayesian Optimization. Hasil penelitian menunjukkan bahwa optimasi hyperparameter mampu meningkatkan akurasi model dari 89,7% menjadi 94,5%. Evaluasi menggunakan data uji menghasilkan nilai akurasi rata-rata sebesar 94,2%, presisi 94%, recall 94%, dan F1-score 94%. Dengan demikian, ResNet50 yang dioptimasi terbukti efektif untuk mendeteksi penyakit daun padi secara otomatis. Model ini berpotensi diimplementasikan dalam aplikasi berbasis mobile atau web untuk membantu petani dalam identifikasi penyakit secara cepat, tepat, dan efisien, sehingga dapat mendukung sistem pertanian cerdas (smart farming).]]>
Copyrights © 2025
