<![CDATA[Banyak petani paprika di Indonesia yang masih menggunakan metode konvensional dalam mendeteksi penyakit tanaman, yang sering kali kurang efisien dan menyebabkan hasil panen tidak optimal. Penelitian ini bertujuan untuk mengembangkan sistem diagnosis cerdas berbasis Computer Vision untuk mengklasifikasikan kondisi tanaman paprika. Metode utama yang diterapkan adalah Deep Learning dengan arsitektur Convolutional Neural Network (CNN) yang dirancang secara sekuensial menggunakan empat blok lapisan konvolusi untuk ekstraksi fitur visual secara otomatis. Dataset diperoleh melalui kombinasi data publik dari platform Roboflow dan pengambilan data langsung di lapangan melalui observasi di Desa Pasir Data Indah. Untuk meningkatkan ketangguhan model, dilakukan pra-pemrosesan data yang mencakup normalisasi dan augmentasi citra menggunakan ImageDataGenerator. Hasil penelitian menunjukkan bahwa model CNN yang dikembangkan mampu mencapai tingkat akurasi sebesar 95,45% pada data pelatihan dan 96,67% pada data validasi dengan nilai loss yang sangat rendah yaitu 0,0600. Implikasi dari inovasi ini adalah memberdayakan petani dengan teknologi yang mudah digunakan, sehingga dapat mempercepat pengambilan keputusan dalam penanganan penyakit tanaman serta meningkatkan produktivitas pertanian secara berkelanjutan.]]>
Copyrights © 2026
