<![CDATA[Timun suri merupakan tanaman hortikultura yang rentan terhadap berbagai penyakit yang dapat menurunkan produktivitas dan kualitas hasil panen. Identifikasi penyakit secara dini masih menjadi tantangan karena metode konvensional cenderung memakan waktu dan rentan kesalahan. Penelitian ini bertujuan mengembangkan sistem klasifikasi penyakit daun timun suri menggunakan algoritma Convolutional Neural Network (CNN) berbasis citra digital. Dataset terdiri dari lima kategori, yaitu antraknosa, daun segar, hawar batang bergetah, jamur berbulu halus, dan layu bakteri. Model CNN dibangun dengan tiga lapisan konvolusi (32, 64, dan 128 filter), menggunakan ukuran input 224×224 piksel, batch size 32, dan dilatih selama 50 epoch. Hasil evaluasi menunjukkan akurasi sebesar 68% dengan precision 0,72, recall 0,68, dan F1-score 0,66. Kinerja terbaik terdapat pada kelas daun segar (F1-score 0,77) dan layu bakteri (recall 1,00), sedangkan antraknosa memiliki recall terendah sebesar 0,38. Sistem berbasis web yang dikembangkan mampu mengidentifikasi penyakit secara real-time melalui unggahan citra. Penelitian ini berkontribusi dalam mendukung pertanian presisi melalui deteksi penyakit tanaman yang lebih cepat dan efisien. Kata kunci: CNN, Deep Learning, Klasifikasi Penyakit, Sistem Deteksi, Timun Suri.]]>
Copyrights © 2026
