IDENTIFIKASI PENYAKIT TANAMAN CABE MERAH KERITING MELALUI CITRA DAUN MENGGUNAKAN JARINGAN SARAF TIRUAN PROPAGASI BALIK DAN FITUR GRAY LEVEL CO-OCCURRENCE MATRIX

Penelitian ini bertujuan mengembanngkan sistem untuk mengidentifikasi penyakit pada tanaman cabai merah keriting. Metode yang digunakan adalah Jaringan Saraf Tiruan dengan Pembelajaran Backpropagation (JST PB) dan fitur Gray Level Co-occurrence Matrix (GLCM). Sistem ini menggunakan gambar daun cabai sebagai input untuk analisis, bertujuan mengidentifikasi pola yang menunjukkan adanya penyakit. Data dikumpulkan menggunakan 240 gambar daun cabai dengan tiga kelas penyakit: Bercak, Mosaik, dan Layu. Gambar diambil dengan latar belakang kertas putih pada pagi hari untuk mendapatkan cahaya alami. Setelah pre-processing dan ekstraksi fitur GLCM, model JST PB dilatih dan diuji menggunakan dataset tersebut. Hasil penelitian menunjukkan bahwa model JST PB mencapai akurasi keseluruhan 81%, dengan fitur GLCM memainkan peran penting dalam identifikasi pola tekstur daun yang sakit dan sehat. Penelitian ini dihaarapkan dapat memberiikan kontribusi pada pengembangan teknologi deteksi penyakit tanaman yang lebih canggih, serta diterapkan secara praktis di bidang pertanian untuk mendukung pengambilan keputusan cepat dan efisien.