Repository Universitas BojonegoroDesain Sistem Deteksi Penyakit Daun Untuk Tanaman Multi Jenis Berbasis Convolutional Neural Network (CNN) Untuk Membantu Petani PemulaSupriyadiNanang SupriyadiauthorPenyakit daun pada tanaman padi, cabai, dan terong merupakan salah satu faktor utama yang menurunkan produktivitas pertanian. Identifikasi manual memiliki keterbatasan berupa subjektivitas tinggi dan memakan waktu yang lama. Penelitian ini bertujuan merancang sistem deteksi penyakit daun tanaman multi jenis berbasis Convolutional Neural Network (CNN) dengan bantuan box akrilik hitam (20×16×18 cm) dan pencahayaan LED 5V untuk menjamin konsistensi akuisisi citra via smartphone. Dataset yang digunakan berjumlah 2.974 citra yang terbagi ke dalam tujuh kelas penyakit daun. Pelatihan model menggunakan arsitektur YOLOv8 berbasis CNN dilakukan melalui Google Collab dan diimplementasikan menggunakan platform Edge Impulse. Hasil pelatihan model menunjukkan performa yang sangat baik, precision sebesar 94.54%, recall sebesar 88,14 F1-Score sebesar 91,49%. Uji kinerja web detection secara riil di lapangan menggunakan smartphone dengan 210 sampel baru di dalam box menghasilkan nilai akurasi sebesar 80,48%, rata-rata presisi 90,80%, recall 87,50%, dan F1-score 89,08%. Evaluasi tingkat kesalahan prediksi menunjukkan nilai MAE sebesar 0,667, RMSE sebesar 0,86, dan MAPE sebesar 18,61% yang termasuk dalam kategori "Baik" (Good Prediction). Penggunaan kotak uji terbukti efektif menghasilkan citra yang konsisten sehingga menjaga stabilitas performa model. Sistem ini diharapkan dapat menjadi solusi digital yang cepat, objektif, dan akurat dalam membantu petani pemula meminimalkan risiko gagal panen.Prodi Teknik Industri2026-07-29Sains dan Teknik;Teknik IndustriThesis

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant Repository Universitas Bojonegoro the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that Repository Universitas Bojonegoro does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at Repository Universitas Bojonegoro) is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the deposit button indicates your agreement to these terms.