IDENTIFIKASI JENIS PENYAKIT PADA TANAMAN CABAI RAWIT MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) DI DESA BINTANG KECAMATAN SIDIKALANG

Cabai merupakan tanaman sayuran yang memiliki nilai ekononi yang tinggi dibandingkan dengan tanaman sayuran lainnya di pertanian. Prospek cabai rawit cukup menjanjikan untuk konsumen domestik atau permintaan ekspor. Salah satu pemicu rendahnya produksi tumbuhan cabai adalah terdapatnya kendala penyakit yang melanda tumbuhan. Penelitian ini bertujuan untuk mengidentifikasi jenis penyakit pada tanaman cabai rawit dan untuk mengetahui kemampuan algoritma Convolutional Neural Network dalam melakukan identifikasi dan klasifikasi jenis penyakit pada tanaman cabai rawit. Metode yang digunakan adalah Metode Convolutional Neural Network (CNN) untuk mengidentifikasi jenis penyakit pada tanaman cabai rawit. Data dikumpulkan secara langsung dari lahan pertanian cabai rawit dengan menggunakan kamera smartphone peneliti. Model dilatih dan diuji menggunakan dataset yang berisi gambar tanaman cabai rawit yang tidak terinfeksi penyakit dan terinfeksi penyakit yang mencakup buah dan daun. Hasil penelitian menunjukkan model yang dikembangkan mampu mengidentifikasi jenis penyakit pada tanaman cabai rawit dengan accuracy yang cukup tinggi, yaitu pada epoch 100/100 mendapatkan accuracy sebesar 0.81 untuk data training dan 0.88 untuk data testing, dengan loss 0.47 untuk data training dan 0.40 untuk data testing. Berdasarkan pengujian ketiga model, Model 80:20 mendapat tingkat accuracy terbaik, dimana pada saat pengujian, model 80:20 mendapat mendapat accuracy yang cukup tinggi sebesar 0.86. Dengan demikian, dapat disimpulkan bahwa model CNN cukup baik dalam mengidentifikasi dan mengklasifikasi jenis penyakit berdasarkan 6 kelas penyakit pada tanaman cabai rawit termasuk diantaranya 2 kelas tidak terinfeksi penyakit dan 4 kelas untuk terinfeksi penyakit.