PERANCANGAN SISTEM DETEKSI PENYAKIT XANTHOMONAS CAMPESTRIS, CERCOSPORA CAPSICI, YELLOW LEAF CURL VIRUS, DAN NUTRIENT DEFICIENCY BERBASIS CNN (ALEXNET) MENGGUNAKAN DEKSTOP APP

Produksi tanaman paprika di Indonesia sering terganggu akibat serangan penyakit seperti Xanthomonas campestris, Cercospora capsici, Pepper Yellow Leaf Curl Virus, serta nutrient deficiency. Identifikasi penyakit secara manual seringkali menghasilkan kesalahan karena memerlukan keahlian khusus dan kondisi lingkungan yang beragam. Oleh karena itu, penelitian ini bertujuan merancang sistem deteksi penyakit daun paprika berbasis Convolutional Neural Network (CNN) dengan arsitektur AlexNet yang diintegrasikan dalam aplikasi desktop untuk memudahkan proses identifikasi secara otomatis. Dataset yang digunakan terdiri dari 3000 gambar daun paprika yang dibagi menjadi enam kelas, masing-masing berisi 500 gambar. Tahapan penelitian mencakup preprocessing gambar (resize, konversi RGB, normalisasi, augmentasi, dan konversi tensor), pelatihan model menggunakan AlexNet yang telah dilatih dengan ImageNet, serta evaluasi performa melalui confusion matrix. Hasil pelatihan menunjukkan bahwa model deteksi penyakit pada daun mencapai rata-rata akurasi 79,5%, precission 0,79, recall 1, f1-score 0,83. Sistem yang dikembangkan mampu mengklasifikasikan gambar daun sehat, penyakit Xanthomonas campestris, Cercospora capsici, Yellow Leaf Curl Virus, Nutrient Deficiency, dan gambar acak dengan tingkat akurasi tinggi dan menampilkan informasi penanganannya melalui aplikasi desktop yang dirancang. Dengan demikian, sistem ini dapat menjadi alat bantu bagi para petani dan pihak terkait untuk melakukan deteksi dini.