Klasifikasi Penyakit Tanaman Padi Menggunakan Convolutional Neural Network (CNN) Berbasis Explainable AI (XAI)

Penyakit tanaman padi merupakan ancaman utama terhadap produktivitas
pertanian. Oleh karena itu, identifikasi penyakit secara tepat dan cepat menjadi kunci dalam upaya pengendalian penyakit tanaman padi. Namun, proses identifikasi yang masih dilakukan secara manual memiliki berbagai keterbatasan identifikasi penyakit, terutama dari aspek akurasi, maupun ketersediaan tenaga ahli. Penelitian ini bertujuan mengembangkan sistem klasifikasi penyakit tanaman padi yang cepat dan akurat menggunakan Convolutional Neural Network (CNN) dengan arsitektur DenseNet121. Selanjutnya, Explainable Artificial Intelligence (XAI) berbasis Grad-CAM (Gradient-weighted Class Activation Mapping) diterapkan untuk memberikan interpretasi visual terhadap hasil klasifikasi model. Data citra daun padi yang diambil dari Kaggle terdiri dari 4.332 citra dengan tiga kelas penyakit, yaitu bacterial blight, blast, dan tungro. Hasil penelitian menunjukkan bahwa model mencapai akurasi, presisi, recall, dan F1-Score sebesar 100%. Visualisasi Grad-CAM berhasil menyoroti area infeksi yang relevan. Dengan demikian, metode yang diusulkan telah mampu memberikan klasifikasi yang akurat dan interpretatif.