<![CDATA[Stroberi adalah salah satu komoditas tanaman dengan nilai ekonomi yang cukup tinggi di Indonesia. Namun, terdapat upaya yang dapat mengurangi kualitas dan kuantitas hasil panen stroberi, yaitu penyakit-penyakit daun stroberi, termasuk leaf scorch. Oleh karena itu, deteksi dini dan klasifikasi penyakit mengenai daun stroberi ini sangat penting untuk melakukan tindakan yang diperlukan agar kerugian dapat diminimalkan. Tujuan dari penelitian ini adalah untuk mengembangkan model klasifikasi penyakit pada daun stroberi dengan metode Convolutional Neural Network menggunakan arsitektur InceptionV3. Proses penelitian yang dibutuhkan dalam pengembangan model melibatkan pengumpulan dataset gambar daun stroberi yang terdiri dari kategori sehat dan penyakit leaf scorch. Model CNN dilatih dan diuji dengan menggunakan dataset gambar daun tersebut untuk mengidentifikasi dan mengklasifikasikan jenis penyakit dengan tingkat akurasi yang tinggi. Hasil dari penelitian ini menunjukkan bahwa model CNN dengan arsitektur InceptionV3 berhasil mencapai akurasi klasifikasi sebesar 99%, menandakan keandalan model dalam mendeteksi penyakit pada daun stroberi. Selain itu, Implementasi model ini dalam aplikasi berbasis Android diharapkan dapat memberikan alat bantu yang praktis dan efisien bagi petani dalam memantau dan mengendalikan penyakit tanaman secara real-time, sehingga dapat meningkatkan kualitas dan kuantitas hasil panen stroberi. Dengan demikian, penelitian ini tidak hanya berkontribusi pada pengembangan teknologi deteksi penyakit tanaman tetapi juga pada peningkatan produktivitas pertanian.]]>
Copyrights © 2024
