<![CDATA[Tanaman jambu mete memiliki nilai ekonomi yang tinggi di Indonesia, namun rentan terhadap berbagai penyakit daun seperti anthracnose, leaf miner, dan red rust yang dapat menurunkan produktivitas panen. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi penyakit daun jambu mete berbasis citra digital dengan menggunakan metode Convolutional Neural Network (CNN) berarsitektur ResNet50. Dataset diperoleh dari sumber daring dan diproses melalui tahap augmentasi serta normalisasi guna meningkatkan keragaman citra. Model CNN yang dikembangkan berhasil mencapai akurasi pengujian sebesar 91,73%. Sistem ini kemudian diimplementasikan dalam aplikasi web berbasis Streamlit sehingga dapat dimanfaatkan secara langsung oleh petani untuk mendiagnosis kondisi daun secara real-time. Hasil penelitian menunjukkan bahwa penerapan CNN efektif dalam deteksi dini penyakit daun jambu mete dan berpotensi mendukung peningkatan efisiensi diagnosis penyakit berbasis citra di sektor pertanian.]]>
Copyrights © 2026
