APLIKASI WEB DETEKSI PENYAKIT TANAMAN PADI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK BERBASIS STREAMLIT

Penyakit daun pada tanaman padi merupakan salah satu faktor utama yang dapat menurunkan produktivitas hasil panen dan berpotensi menyebabkan kerugian yang signifikan bagi petani. Proses identifikasi penyakit daun padi yang masih dilakukan secara manual memiliki keterbatasan, antara lain membutuhkan waktu yang lama, bergantung pada keahlian tenaga ahli, serta berpotensi menimbulkan kesalahan diagnosis. Oleh karena itu, diperlukan suatu solusi berbasis teknologi yang mampu membantu proses identifikasi penyakit tanaman padi secara cepat, akurat, dan mudah diakses. Penelitian ini bertujuan untuk mengembangkan sebuah aplikasi web pendeteksi penyakit daun padi berbasis citra digital dengan menerapkan metode Convolutional Neural Network (CNN) yang diintegrasikan ke dalam framework Streamlit. Dataset yang digunakan merupakan dataset publik yang diperoleh dari platform Kaggle, terdiri dari 5.932 citra daun padi yang terbagi ke dalam empat kelas penyakit, yaitu Bacterial Blight, Blast, Brown Spot, dan Tungro. Tahapan penelitian meliputi pengumpulan data, pra-pemrosesan citra, pembagian dataset menjadi data latih, validasi, dan uji, pelatihan model CNN, evaluasi performa model, serta implementasi model ke dalam aplikasi web. Hasil penelitian menunjukkan bahwa model CNN yang dikembangkan mampu melakukan klasifikasi penyakit daun padi dengan tingkat akurasi yang sangat tinggi. Berdasarkan hasil pengujian pada data uji, model memperoleh nilai akurasi sebesar 99,86% dengan nilai loss yang rendah, menunjukkan bahwa model memiliki kemampuan generalisasi yang baik. Aplikasi web berbasis Streamlit yang dihasilkan mampu menampilkan hasil klasifikasi secara interaktif dan mudah digunakan. Dengan demikian, sistem ini diharapkan dapat menjadi alat bantu yang efektif dalam mendukung proses identifikasi penyakit tanaman padi serta berkontribusi pada peningkatan produktivitas pertanian.