Analisis Performa Deteksi Penyakit Padi Dengan Model Klasifikasi GambarMenggunakan Teachable Machine

Abstract

Penyakit padi menjadi momok bagi petani karena berpotensi menurunkan hasil panen drastis. Deteksi dini penyakit padi krusial untuk menekan kerugian ekonomi. Penelitian ini menganalisis performa model klasifikasi gambar dalam mendeteksi penyakit padi memanfaatkan Teachable Machine. Gambar penyakit padi dikumpulkan dari berbagai sumber dan melalui proses prapengolahan untuk meningkatkan kualitas. Model klasifikasi gambar dibangun menggunakan Teachable Machine dengan arsitektur Convolutional Neural Network (CNN). Hasil penelitian menunjukkan akurasi model klasifikasi gambar sangat memuaskan, mencapai 99%. Model ini efektif dalam mendeteksi penyakit blas, hawar daun bakteri, dan tungau padi. Penelitian ini membuktikan bahwa Teachable Machine berpotensi sebagai alat efektif untuk mendeteksi penyakit padi dengan akurasi tinggi. Dengan demikian, petani dapat melakukan deteksi dini penyakit padi sehingga memungkinkan tindakan pencegahan dan pengendalian yang tepat.