<![CDATA[Pertanian merupakan sektor yang paling penting dalam membangun perekonomian. Hal dasar yang perlu diperhatikan sebelum bercocok tanam adalah lahan yang digunakan sebagai media tanam. Lahan yang dimiliki para petani maupun calon petani memiliki ukuran luas yang berbeda?beda. Untuk mengetahui luas lahan tersebut diperlukan perhitungan secara manual. Pada era globlalisasi perkembangan teknologi mengalami kemajuan yang cukup pesat. Penggunaan teknologi dalam bidang pertanian juga sudah banyak dikembangkan. CNN termasuk dalam jenis Deep Neural Network karena dalamnya tingkat jaringan dan banyak diimplementasikan dalam data citra. Pada penelitian ini CNN digunakan untuk membedakan antara citra lahan sawah, lapangan dan lahan kosong. Setelah citra telah diklasifikasi melalui CNN, dilakukan pengolahan data citra dan identifikasi luas lahan. Pada metode CNN ini terdapat proses ekstraksi fitur dan klasifikasi fitur, untuk ekstraksi fitur ada proses convolution layer dan subsampling layer, sedangkan klasifikasi fitur ada proses fully connected layer. Pada proses training dan testing didapatkan hasil rata-rata menggunakan K-Fold Cross Validation. Hasil rata-rata dari cross validation adalah 97,77% untuk training, dan 70% untuk testing. Pengolahan data citra pada penelitian ini terdapat berbagai macam teknik untuk ekstraksi fitur yang digunakan, seperti teknik merubah warna citra, deteksi tepi, dilasi, closing, inverse, erosi, dan rekonstruksi citra untuk dapat mengukur luasan lahan yang terdapat pada citra. Hasil ratarata nilai error dari perhitungan luasan lahan dari 10 data uji adalah 9,07%. Dan rata-rata hasil perhitungan kemiripan citra segmentasi dengan citra ground truth menggunakan fungsi dice similarity dari 10 data citra didapatkan nilai sebesar 0.984.]]>
