RANCANG BANGUN APLIKASI PENGOLAHAN CITRA DETEKSI TINGKAT KESUBURAN TANAMAN PADI BEDASARKAN WARNA DAUN MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK

Abstract

Penentuan tingkat kesuburan dan penyakit tanaman padi melalui uji laboratorium umumnya memerlukan biaya tinggi dan waktu lama. Di sisi lain, deteksi visual manual di lapangan seringkali tidak konsisten akibat keterbatasan penglihatan. Untuk mengatasinya, penelitian ini mengusulkan aplikasi cerdas berbasis web untuk mendeteksi kondisi tanaman padi melalui analisis citra warna daun menggunakan algoritma Convolutional Neural Network (CNN) berbasis object detection. Dataset yang digunakan berjumlah 358 citra yang mencakup enam kelas kondisi penyakit. Data tersebut dibagi menjadi 70,4% data training, 20,1% data validation, dan 9,5% data testing. Seluruh data diproses secara komprehensif melalui tahapan pre-processing dan augmentasi. Hasil pengujian akhir model pada 25 epoch menunjukkan performa yang sangat optimal, mencatat nilai Precision sebesar 0,938, Recall 0,943, dan mAP@50 mencapai 0,988. Implementasi model ke dalam antarmuka web memfasilitasi pengguna untuk melakukan deteksi secara instan melalui unggahan gambar maupun pindaian webcam secara real-time. Sistem ini diharapkan memberikan kemudahan bagi petani dalam memantau kesehatan padi secara mandiri untuk mencegah gagal panen dan menjaga ketahanan pangan