<![CDATA[Padi merupakan komoditas pangan utama di Indonesia, namun tingkat produktivitasnya sering mengalami penurunan akibat serangan berbagai penyakit daun. Oleh karena itu, deteksi dini terhadap penyakit daun padi menjadi langkah penting untuk mengurangi risiko kerugian hasil panen. Penelitian ini dilakukan untuk menganalisis serta membandingkan performa dua arsitektur Convolutional Neural Network (CNN), yaitu MobileNetV2 dan EfficientNet-B6, dalam mengidentifikasi jenis penyakit pada daun padi. Dataset penelitian terdiri dari citra daun padi yang terbagi dalam beberapa kategori, yaitu Bacterial Blight, Blast, Brown Spot, dan daun sehat. Pelatihan model dilakukan dengan metode transfer learning serta penerapan augmentasi data untuk meningkatkan kemampuan generalisasi. Evaluasi performa model dilakukan menggunakan metrik akurasi, presisi, dan F1-score. Berdasarkan uraian tersebut, penelitian ini diarahkan untuk membandingkan kinerja arsitektur MobileNetV2 dan EfficientNet-B6 dalam proses klasifikasi penyakit daun padi melalui pendekatan transfer learning serta penerapan teknik augmentasi data. Penelitian ini diharapkan mampu memberikan kontribusi dalam pengembangan sistem pendeteksian penyakit secara otomatis yang lebih efektif dan akurat, sehingga dapat mendukung peningkatan ketahanan pangan nasional.]]>
Copyrights © 2026
