KLASIFIKASI PENYAKIT JAGUNG MENGGUNAKAN CONVOLUTATIONAL NEURAL NETWORK (CNN) ALEXNET

Identifikasi yang akurat dan tepat waktu terhadap penyakit pada tanamanrnjagung memiliki peran yang sangat penting dalam menjaga hasil panen danrnkeamanan pangan. Skripsi ini menyajikan sebuah penelitian tentang klasifikasirnpenyakit pada tanaman jagung menggunakan AlexNet Convolutional NeuralrnNetwork (CNN). Tujuan dari penelitian ini adalah untuk mengembangkan modelrnCNN berdasarkan arsitektur AlexNet dan mengevaluasi kinerjanya dalamrnmengidentifikasi berbagai jenis penyakit pada tanaman jagung dengan akurasi tinggi.rnModel dilatih dengan menggunakan dataset yang dikumpulkan, dan metrik evaluasirnyang tepat seperti akurasi, presisi, recall, dan skor F1 dipilih untuk mengevaluasirnkinerjanya. Hasil eksperimen menunjukkan efektivitas dari model AlexNet yangrndikembangkan dalam mengklasifikasikan penyakit pada tanaman jagung.Temuanrnpenelitian ini berkontribusi pada kemajuan teknik identifikasi penyakit pada tanamanrnjagung, dan memberikan landasan untuk penelitian dan eksplorasi lebih lanjut. Hasilrnpenelitian menunjukkan bahwa akurasi tertinggi tercapai pada 100 Epoch, yaiturnakurasi sebesar 98.63%, sedangkan loss terendah tercapai pada 25 Epoch, yaiturnsebesar 0.2307.