Pengembangan Sistem Cerdas Deteksi Hama Dan Penyakit Daun Cabai Berbasis Convolutional Neural Network (CNN)

Penelitian ini dilatarbelakangi oleh kesulitan petani dalam mengidentifikasi penyakit pada daun cabai secara cepat dan akurat, yang masih dilakukan secara manual sehingga berpotensi menimbulkan kesalahan diagnosis dan penanganan. Penelitian ini bertujuan untuk mengembangkan sistem cerdas berbasis CNN dengan arsitektur YOLOv8 untuk mendeteksi penyakit daun cabai secara otomatis serta memberikan rekomendasi penanganan. Metode yang digunakan adalah pendekatan kuantitatif dengan tipe eksperimen komputasi, meliputi tahapan pengumpulan data citra daun cabai dari lapangan dan dataset publik, pra-pemrosesan, anotasi, pelatihan model, evaluasi menggunakan metrik precision, recall, F1-Score dan mAP, serta implementasi sistem dalam bentuk website. Hasil penelitian menunjukkan bahwa model mampu mendeteksi objek dengan baik, dengan nilai mAP@0.5 sebesar 0,807 pada 4 kelas dan meningkat menjadi 0,914 pada 3 kelas, yang menunjukkan bahwa jumlah dan karakteristik kelas mempengaruhi performa model. Sistem juga berhasil diimplementasikan dalam bentuk website yang informatif dan mudah digunakan, serta mampu memberikan rekomendasi penyebab dan penanganan penyakit. Kesimpulannya, sistem yang dikembangkan mampu menjadi solusi efektif dalam membantu identifikasi penyakit daun cabai secara cepat, akurat, dan praktis serta berpotensi meningkatkan efisiensi dalam budidaya tanaman cabai.