DETEKSI CITRA PENYAKIT TANAMAN JAGUNG DENGAN PENDEKATAN METODE CONVOLUTIONAL NEURAL NETWORK PADA QUADCOPTER

Penelitian ini bertujuan untuk menginvestigasi peran teknologi dalam sektor pertanian global dengan fokus pada deteksi citra penyakit tanaman jagung menggunakan pendekatan Convolutional Neural Network (CNN) pada Quadcopter. Convolutional Neural Network (CNN) merupakan sebuah jenis algoritma dalam deep learning yang terutama digunakan untuk memproses data visual. CNN terdiri dari lapisan konvolusi, lapisan aktivasi, dan lapisan pooling. Output dari CNN dapat digunakan untuk melakukan klasifikasi, deteksi objek. Sistem deteksi penyakit pada tanaman padi menggunakan pendekatan metode Convolutional Neural Network (CNN) berjalan optimal. sistem mampu mengklasifikasi dengan benar sebanyak 754 data dengan rincian dapat memprediksi penyakit blight pada tanaman padi sebanyak 203 data, penyakit common rust sebanyak 274 data, penyakit grey leaf spot sebanyak 67 data, dan tanaman jagung sehat sebanyak 198 data. Dari total keseluruhan data 1047 data. Hasil pengujian deteksi penyakit pada tanaman padi menunjukkan performa terbaik dengan akurasi mencapai 89%. Selain itu, nilai precision, recall, dan F1-score juga menggambarkan kinerja yang baik, seiring dengan loss yang rendah sebesar 0,2852.