EPrints Universitas Amikom YogyakartaKLASIFIKASI PENYAKIT CITRA DAUN TANAMAN PADI BERBASIS DEEP LEARNING MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)Fachri AyudiFitronyauthorPadi 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%.000 Ilmu komputer, informasi dan pekerjaan umum580 Tumbuh-tumbuhan, tanaman, botani, flora2026-06-02Universitas AMIKOM Yogyakarta;PJJ Magister InformatikaThesis

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant EPrints Universitas Amikom Yogyakarta the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that EPrints Universitas Amikom Yogyakarta does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at EPrints Universitas Amikom Yogyakarta) is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the deposit button indicates your agreement to these terms.