<![CDATA[Penelitian ini bertujuan untuk mengembangkan arsitektur CNN dalam sistem identifikasi penyakit daun pada tanaman padi. Penyakit seperti blast, blight, dan tungro merupakan ancaman serius bagi produktivitas padi di Indonesia. Identifikasi penyakit secara manual membutuhkan keahlian khusus dan tidak selalu akurat, sehingga dibutuhkan solusi otomatis berbasis teknologi. Penelitian ini menggunakan dataset citra daun padi dari tiga kelas penyakit, masing-masing sebanyak 80 gambar. Proses augmentasi citra dilakukan dengan metode peningkatan kontras menggunakan histogram equalization dan CLAHE, untuk memperjelas fitur visual pada citra. Struktur CNN dibangun menggunakan sejumlah lapisan konvolusi dan pooling yang dirancang khusus untuk menangkap pola visual dari gambar daun.. Model diuji menggunakan data validasi dan menghasilkan akurasi sebesar 75%. Evaluasi lebih lanjut melalui confusion matrix menunjukkan bahwa model dapat mengenali penyakit blight dengan sangat baik, meskipun masih terdapat kekeliruan dalam membedakan antara blast dan tungro. Hasil penelitian ini menunjukkan bahwa pengembangan CNN dengan pendekatan yang tepat dapat menjadi solusi efektif dalam mendukung deteksi penyakit tanaman secara otomatis dan akurat.]]>
Copyrights © 2025
