<![CDATA[SISTEM DETEKSI DAN KLASIFIKASI PENYAKIT TANAMAN PADI BERDASARKAN DAUN MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR ResNet-50]]>
Zulian Firmansyah
Pengarang
Dian Asmarajati., M.Kom.
Dosen Pembimbing 1
Muslim Hidayat, M.Kom
Dosen Pembimbing 2
Dian Asmarajati., M.Kom.
Penguji 1
Muslim Hidayat, M.Kom
Penguji 2
Diagnosa penyakit padi secara konvensional dinilai bergantung pada pengamatan manual yang lambat dan kurang akurat maka diperlukan solusi yang lebih efisiendan objektif dengan pemanfaatan kecerdasan buatan. Penelitian ini bertujuan untuk mengembangkan sistem deteksi penyakit tanaman padi menggunakan bagian darikecerdasan buatan yaitu metode Convolutional Neural Network (CNN) dengan arsitektur ResNet-50. Sistem dirancang untuk mendeteksi enam penyakit padi berdasarkan citra daun yaitu Blast, Bacterial Blight, Brown Spot, Tungro, FalseSmut dan Cercospora. Dataset berasal dari kombinasi data publik (kaggle.com) dancitra lapangan yang diambil langsung di daerah Kabupaten Wonosobo. Model dikembangkan dan di modifikasi dengan penambahan Global Average Pooling, Dense layer dengan aktivasi ReLU dan regularisasi L2, serta Dropout untuk mengurangi overfitting. Lapisan output menggunakan softmax untuk klasifikasi multi kelas. Evaluasi model menggunakan metrik akurasi, presisi, recall, dan F1score.Model dapat menunjukkan akurasi pengujian yang tinggi sebesar 79.52% dan performa efektif dengan akurasi 90% pada Classification Report. Hasil deteksi langsung ditampilkan pada sistem berbasiswa berupa skala probabilitas penyakit yang terdeteksi.
Kata Kunci : Kecerdasan Buatan, Algoritma CNN, Arsitektur ResNet-50, Klasifikasi Gambar. Deteksi Penyakit Padi.