DEEP LEARNING PADA KLASIFIKASI PENYAKIT DAUN PADI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORKS

Penelitian ini berfokus pada implementasi deep learning untuk klasifikasi penyakit daun padi menggunakan metode Convolutional Neural Networks (CNN). Padi merupakan tanaman pangan utama di banyak negara, termasuk Indonesia, yang memerlukan perhatian khusus dalam hal kesehatan tanaman untuk memastikan hasil panen yang optimal. Penyakit pada daun padi, seperti hawar daun bakteri, blast, dan bercak daun coklat, dapat menyebabkan kerugian ekonomi yang signifikan jika tidak dideteksi dan ditangani dengan tepat. Oleh karena itu, deteksi dini dan klasifikasi yang akurat terhadap jenis-jenis penyakit ini menjadi sangat penting dalam upaya pengendalian dan pencegahan. Dalam penelitian ini, kami mengembangkan model CNN yang didesain khusus untuk mengidentifikasi berbagai jenis penyakit daun padi berdasarkan gambar daun yang terinfeksi. Dataset yang digunakan mencakup ribuan gambar daun padi, yang masing-masing dikategorikan ke dalam beberapa kelas penyakit utama. Proses pengembangan model meliputi tahap pra-pemrosesan data, seperti normalisasi dan augmentasi gambar, untuk meningkatkan kualitas dataset dan memperluas variasi data yang tersedia. Selain itu, berbagai arsitektur CNN dieksplorasi untuk menentukan konfigurasi yang paling efektif dalam hal akurasi dan efisiensi komputasi. Model CNN yang telah dilatih kemudian dievaluasi menggunakan metrik-metrik seperti akurasi, presisi, recall, dan F1-score. Hasil eksperimen menunjukkan bahwa model ini berhasil mencapai tingkat akurasi yang tinggi dalam mengenali dan mengklasifikasikan penyakit daun padi, dengan akurasi mencapai lebih dari 90%. Keberhasilan ini menunjukkan bahwa metode deep learning, khususnya CNN, sangat efektif dalam memproses citra dan mengenali pola-pola kompleks yang terkait dengan penyakit daun. Studi ini juga membahas implementasi teknologi ini dalam skala besar, termasuk potensi penerapannya dalam aplikasi berbasis perangkat mobile atau sistem monitoring otomatis di lapangan. Dengan demikian, penggunaan CNN dalam klasifikasi penyakit daun padi tidak hanya memberikan solusi yang lebih cepat dan akurat dibandingkan metode tradisional, tetapi juga memungkinkan intervensi yang lebih proaktif dalam manajemen penyakit tanaman. Secara keseluruhan, penelitian ini menunjukkan potensi besar penggunaan deep learning dalam bidang pertanian, khususnya dalam pengelolaan kesehatan tanaman. Dengan pemanfaatan teknologi ini, diharapkan dapat meningkatkan produktivitas dan efisiensi dalam pertanian, serta mengurangi kerugian yang disebabkan oleh penyakit tanaman.