<![CDATA[Algoritma CNN menunjukkan keunggulan dalam berbagai penerapan di dunia nyata. Penelitian ini bertujuan untuk membantu dan mengedukasi petani dalam mengklasifikasi penyakit padi dan mengurangi risiko kegagalan panen akibat penyakit daun tanaman padi. Adapun jenis daun padi pada penelitian ini: Brown Spot, Hawar, Leaf Brown, dan Daun Sehat. Studi Literatur, Pengumpulan Dataset, Prepocessing Data, Mengolah Data. Penelitian ini didapatkan dari data training, testing, dan validation. Adapun layer konvolusi (Conv2D), layer pooling (MaxPooling2D), layer flatten (flatten), serta layer dense (Dense) untuk klasifikasi penyakit daun padi menggunakan Convolutional Neural Network. Dalam proses data training dilakukan epoch sebanyak 10 epoch, proses ini akan berhenti saat sudah memenuhi kondisi tersebut. Dari hasil penelitian ini dapat disimpulkan bahwa metode Deep Learning CNN dapat diimplementasikan untuk identifikasi citra daun padi yang berpenyakit. Nilai tertinggi dari akurasi data training mencapai nilai 85%, untuk data testing 86%, dan untuk data validation mencapai nilai 95%. Sehingga untuk identifikasi citra penyakit daun padi cukup baik]]>
Copyrights © 2022
