<![CDATA[Identifikasi penyakit pada daun jagung memiliki peran penting dalam mendukung produktivitas pertanian yang berkelanjutan. Penelitian ini mengusulkan model klasifikasi menggunakan Convolutional Neural Network (CNN) dengan arsitektur ResNet-50 untuk mendeteksi penyakit daun jagung berdasarkan data citra. Dataset yang digunakan terdiri dari empat kategori: Blight, Common Rust, Gray Leaf Spot, dan Healthy, yang diperoleh dari sumber data publik. Pra-pemrosesan data dilakukan melalui perubahan ukuran citra menjadi 224×224 piksel dan peningkatan kontras menggunakan teknik CLAHE. Pengembangan model dilakukan dengan pendekatan transfer learning dan dievaluasi menggunakan metrik akurasi, presisi, recall, F1-score, serta confusion matrix. Hasil eksperimen menunjukkan kinerja klasifikasi yang tinggi dengan akurasi keseluruhan sebesar 94%. Kategori Healthy memperoleh performa terbaik (presisi dan recall = 1.00), sementara kategori Gray Leaf Spot mencatat nilai recall terendah akibat kemiripan visual dengan kategori lain. Penelitian ini membuktikan bahwa model CNN berbasis ResNet-50 sangat efektif untuk klasifikasi otomatis penyakit daun jagung dan berpotensi besar untuk diterapkan dalam sistem pertanian presisi.]]>
Copyrights © 2025
