DETEKSI PENYAKIT TANAMAN JAGUNG (ZEA MAYS L.) MELALUI PENAMPAKAN DAUN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK

Latar Belakang. Jagung (Zea mays L.) merupakan salah satu sumber karbohidrat utama dan komoditas pangan penting yang memainkan peran strategis dalam mendukung ketahanan pangan dan perekonomian, karena banyak digunakan sebagai bahan baku pakan ternak dan industri pengolahan pangan. Tujuan. Penelitian ini bertujuan untuk menerapkan metode Jaringan Saraf Konvolusional guna mendeteksi secara otomatis dan akurat penyakit layu daun dan karat daun pada tanaman jagung. Metode. Metode penelitian ini melibatkan pengumpulan gambar daun jagung yang sehat dan terinfeksi langsung dari lapangan, dilanjutkan dengan prapemrosesan gambar, termasuk penyesuaian ukuran, normalisasi, dan augmentasi data. Kumpulan data dibagi menjadi set pelatihan dan set pengujian. Data pelatihan digunakan untuk melatih model Jaringan Saraf Konvolusional berbasis TensorFlow guna mengenali pola visual penyakit daun jagung, sedangkan data pengujian digunakan untuk mengevaluasi kinerja model. Hasil. Hasil penelitian menunjukkan bahwa sistem klasifikasi berbasis CNN yang diusulkan mampu mendeteksi dan mengklasifikasikan daun jagung ke dalam tiga kategori, yaitu layu daun, karat daun, dan daun sehat, dengan akurasi sebesar 90,67% dan tingkat kesalahan sebesar 9,33%. Kesimpulan. Metode Jaringan Saraf Konvolusional berbasis TensorFlow menunjukkan kinerja yang baik dalam mendeteksi penyakit layu daun dan karat daun pada tanaman jagung. Namun, kesalahan klasifikasi masih terjadi, terutama antara kelas penyakit layu daun dan karat daun, akibat kesamaan karakteristik visual keduanya, yang menunjukkan bahwa sistem ini dapat ditingkatkan lebih lanjut dengan menambah jumlah dan keragaman dataset pelatihan.