IDENTIFIKASI PENYAKIT PADI BERDASARKAN CITRA DAUN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK

Polontalo, Andre Gunawan (2025) IDENTIFIKASI PENYAKIT PADI BERDASARKAN CITRA DAUN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK. Bulletin of Computer Science Research, 05 (06). pp. 1-9. ISSN 2774-3659

[img] Text (Jurnal Andre Gunawan Polontalo)
Jurnal Andre Gunawan Polontalo.pdf

Download (748kB)
Official URL: https://www.hostjournals.com/bulletincsr/article/v...

Abstract

Produksi padi di Indonesia sering menurun akibat serangan penyakit daun yang sulit dideteksi secara dini dengan cara konvensional. Penelitian ini bertujuan mengidentifikasi penyakit daun padi berdasarkan citra daun menggunakan Convolutional Neural Network (CNN). Data penelitian diperoleh dari repositori daring (Kaggle) yang memuat citra daun padi berlabel dalam beberapa kelas penyakit. Model CNN kustom dirancang dan dilatih setelah dilakukan pra-pemrosesan citra (resize menjadi 224×224 piksel), normalisasi, serta augmentasi data untuk mengurangi overfitting. Pelatihan dilakukan di lingkungan Google Colab menggunakan TensorFlow, dengan pembagian data 70:30, 80:20, dan 90:10 untuk menganalisis performa. Hasil terbaik menunjukkan akurasi pelatihan 83,02% dan akurasi pengujian 77,33%. Selain itu, model dibandingkan dengan beberapa arsitektur populer yang banyak digunakan dalam literatur, seperti ResNet50, VGG16, dan EfficientNetB0. Hasil penelitian menunjukkan bahwa model CNN kustom mampu memberikan kinerja klasifikasi kompetitif untuk deteksi dini penyakit daun padi, sehingga berpotensi menjadi sistem pendukung keputusan bagi petani dalam pengendalian penyakit secara cepat dan efisien.

Item Type: Article
Uncontrolled Keywords: Convolutional Neural Network; Penyakit Daun Padi; Citra Daun; Deep Learning; Pertanian Digital
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Fakultas Sains dan Ilmu Komputer > Program Studi Ilmu Komputer
Depositing User: Andre Gunawan Polontalo
Date Deposited: 07 Jan 2026 07:27
Last Modified: 08 Jan 2026 06:11
URI: http://repository.umgo.ac.id/id/eprint/4602

Actions (login required)

View Item View Item