<![CDATA[Penelitian ini dilatarbelakangi oleh tingginya tingkat serangan penyakit daun padi yang berdampak pada penurunan produktivitas hasil panen, serta keterbatasan metode diagnosis manual yang cenderung lambat dan subjektif. Oleh karena itu, penelitian ini bertujuan pada pengembangan dan penerapan sistem pengklasifikasian penyakit daun padi melalui pengolahan citra digital dengan memanfaatkan teknik Convolutional Neural Network (CNN). Metode yang digunakan dalam penelitian ini yaitu metode eksperimen dengan memanfaatkan arsitektur EfficientNetB0 yang telah disempurnakan lewat penambahan dual pooling, aktivasi Swish, dan dropout untuk regularisasi guna memaksimalkan kemampuan model. Data citra sebanyak 5.688 buah dibagi menjadi bagian training, validasi, serta testing. Penilaian model mengandalkan metrik seperti akurasi, presisi, recall, F1-score, dan confusion matrix. Temuan utama mengungkap bahwa model ini berhasil meraih akurasi 91,84%, terutama unggul pada kategori healthy serta bacterial leaf blight. Model kemudian diimplementasikan dalam bentuk aplikasi web berbasis Flask dengan format ONNX untuk mendukung deployment yang efisien. Sistem yang dikembangkan mampu melakukan klasifikasi secara cepat dan akurat, serta menyediakan rekomendasi penanganan penyakit. Dengan demikian, penelitian ini memberikan kontribusi dalam pengembangan sistem cerdas untuk deteksi penyakit tanaman padi secara otomatis dan aplikatif.]]>
Copyrights © 2026
