Implementasi Sistem Deteksi Otomatis pada Tanaman Cabe Rawit Menggunakan Convolutional Neural Network (CNN) Berbasis TensorFlow untuk Optimasi Pertanian Modern

Implementation of an Automatic Detection System for Chili Plants Using a TensorFlow-Based Convolutional Neural Network (CNN) for Modern

Abstract

Dalam industri pangan cabai rawit salah satu komoditas yang sangat penting di Indonesia. Permintaan cabai rawit terus meningkat seiring dengan pertumbuhan penduduk dan meningkatnya kesadaran masyarakat akan pentingnya konsumsi makanan yang seimbang. Untuk itu budidaya cabai rawit perlu diperhatikan agar kestabilan produksi cabai rawit dapat tetap terjaga. Tujuan dari penelitian ini adalah untuk membuat sistem deteksi otomatis berbasis Convolutional Neural Network (CNN) untuk tanaman cabai rawit (Capsicum frutescens) dan meningkatkan efisiensi pertanian modern. Dengan menggunakan TensorFlow, sistem ini dilatih menggunakan dataset yang mencakup gambar cabai rawit dalam tiga kondisi: sehat, terinfeksi, dan kekurangan nutrisi. Untuk menjamin akurasi, data ini dikumpulkan secara langsung dari lahan pertanian. Model CNN memiliki akurasi lebih dari 85% di semua kondisi tanaman, menurut metrik akurasi, precision, dan recall. Hasilnya menunjukkan bahwa model CNN ini dapat membantu petani cabai rawit menemukan masalah tanaman dengan cepat dan akurat. Disarankan untuk menggunakan dataset yang lebih besar dan mengintegrasikan sistem ini ke dalam perangkat mobile guna mendukung pertanian cerdas di Indonesia.