<![CDATA[Produksi padi di Indonesia menghadapi tantangan serius akibat berkurangnya luas lahan pertanian dan serangan penyakit seperti Bacterial Leaf Blight, Blast, dan Brown Spot, yang dapat menurunkan hasil panen hingga 80% dan mengancam ketahanan pangan nasional. Penyakit tersebut tidak hanya merusak stabilitas produksi tetapi juga menyebabkan kerugian yang signifikan bagi petani. Identifikasi dini penting untuk mencegah kerugian, namun keterbatasan pengetahuan petani sering menyebabkan kesalahan diagnosis dan penanganan. Untuk mengatasi masalah ini, penelitian ini mengusulkan pengembangan model klasifikasi penyakit daun padi berbasis hybrid Convolutional Neural Network (CNN) dan Support Vector Machine (SVM), yang dirancang menggunakan metode CRISP-DM (Cross-Industry Standard Process for Data Mining) dari tahap business understanding hingga evaluation. Dengan dataset berisi 11.790 gambar daun padi dari sembilan kelas penyakit.CNN menggunakan arsitektur VGG-16 yang dipakai untuk ekstraksi fitur, sedangkan SVM menangani klasifikasi multi-kelas dengan metode one-vs-rest. Hasil evaluasi menunjukkan akurasi model sebesar 95%, dengan precision, recall, dan F1-score yang tinggi di sebagian besar kelas penyakit. Hasil tersebut menunjukkan potensi yang signifikan dan diharapkan dapat membantu petani untuk melakukan deteksi dini penyakit pada padi.]]>
Copyrights © 2025
