<![CDATA[Penyakit pada daun (foliage) merupakan kendala patologis utama yang menurunkan produktivitas dan nilai ekonomi pohon Cendana (Santalum album). Identifikasi gejala secara konvensional sering kali terkendala oleh subjektivitas pengamat dan efisiensi waktu yang rendah. Penelitian ini mengimplementasikan teknologi visi komputer melalui algoritma Deep Learning berbasis Convolutional Neural Network (CNN) untuk otomatisasi identifikasi penyakit daun Cendana. Melalui pemanfaatan lapisan konvolusi, model mampu mengekstraksi fitur morfologi dan kromatik secara otonom guna mengenali pola kerusakan daun yang kompleks tanpa memerlukan ekstraksi fitur manual. Hasil penelitian menunjukkan bahwa model CNN memberikan performa yang sangat unggul dengan tingkat akurasi, presisi, recall, dan F1-score mencapai 100%, serta efisiensi waktu komputasi selama 1 menit 18 detik. Implementasi teknologi ini diharapkan dapat menjadi instrumen diagnosis dini yang presisi bagi praktisi kehutanan dalam mendukung upaya konservasi dan menjaga keberlanjutan populasi Cendana, khususnya di wilayah Timor.]]>
Copyrights © 2024
