<![CDATA[Padi merupakan tanaman utama di Indonesia yang krusial bagi konsumsi masyarakat domestik maupun ekspor. Prevalensi infeksi padi menjadi tantangan tersendiri bagi petani dan memiliki dampak pada hasil panenen dan dapat mengakibatkan kerugian. Identifikasi penyakit oleh manusia bergantung pada keahlian, sehingga diagnosis dini menjadi krusial untuk menjaga kesehatan tanaman padi. Untuk mengatasi keterbatasan jumlah citra daun padi dalam dataset, pendekatan yang digunakan dengan menggabungkan augmentasi dan laju dilasi. Penggunaan algoritma pembelajaran mesin menawarkan solusi yang menjanjikan untuk mendiagnosis penyakit daun pada secara efisien. Namun, metode yang ada menghadapi tantangan seperti latar belakang citra, data citra yang tidak memadai, dan variasi gejala. Penelitian ini memanfaatkan model Jaringan Saraf Tiruan Konvolusional (CNN) khusus untuk foto daun padi, yang secara efektif meningkatkan akurasi klasifikasi penyakit. Pendekatan yang diusulkan berhasil mengidentifikasi dan mendiagnosis tiga kelas berbeda: penyakit bercak daun, bercak cokelat, dan hawar daun bakteri. Setelah sejumlah iterasi pelatihan, tingkat akurasi dengan menggunakan model Jaringan Saraf Tiruan Konvolusional sebesar 92,63% adalah yang paling menguntungkan]]>
Copyrights © 2025
