%0 Thesis
%9 S2 - Magister
%A Fitrony, Fachri Ayudi
%A Universitas AMIKOM Yogyakarta,
%B PJJ Magister Informatika
%D 2026
%F universitasamikomyogyakarta:32620
%I Universitas AMIKOM Yogyakarta
%K CNN, Deep learning, Augmentasi data, Penyakit daun, Tanaman padi, Data augmentation, Leaf disease, Rice plants.
%T KLASIFIKASI PENYAKIT CITRA DAUN TANAMAN PADI BERBASIS   DEEP LEARNING MENGGUNAKAN METODE CONVOLUTIONAL  NEURAL NETWORK (CNN)
%U https://eprints.amikom.ac.id/id/eprint/32620/
%X Padi merupakan sumber makanan pokok bagi sebagian besar masyarakat di dunia,  termasuk Indonesia yang merupakan negara agraris dimana sebagian besar  penduduknya menanam dan mengkonsumsi padi. Tentu saja tanaman padi juga  memiliki berbagai kondisi penyakit terutama pada daun yaitu diantaranya Brownspot,  Healthy, Leafblight dan Hispa. Jika infeksi atau penyakit pada tanaman padi tidak  segera diidentifikasi sejak dini maka akan menurunkan produksi dan merugikan  petani. Untuk menangani masalah ini dapat memanfaatkan bidang informatika dalam  mengidentifikasi penyakit dengan menggunakan image processing dan image  classification.   Tahapan penelitian dimulai dari identifikasi masalah, studi literatur, penentuan  algoritma dan metode. Setelah itu mulai mengumpulkan dataset publik, melakukan  augmentasi dataset, kemudian eksperimen training data dengan beberapa percobaan  arsitektur CNN, lalu mengevaluasi hasil percobaan, dan terakhir menarik kesimpulan  serta menulis laporan. Dataset diambil dari repository publik kaggle dan augmentasi  data juga digunakan dalam penelitian ini untuk memperbanyak dataset guna  meningkatkan akurasi data training.   Dengan latar belakang tersebut maka diusulkan pendekatan sistem pendeteksian  penyakit pada daun padi dengan metode deep learning menggunakan Convolutional  Neural Network (CNN) dan beberapa perbandingan arsitektur yaitu VGG16,  MobileNetV2, Xception, dan InceptionV3. Hasil eksperimen paling baik diperoleh  menggunakan arsitektur MobileNetV2 yang menghasilkan akurasi validation  97.15%.