Identifikasi Penyakit Tanaman Kedelai Menggunakan Algoritma Recurrent Neural Network di Kabupaten Jember

Abstract

Penyakit pada tanaman kedelai merupakan salah satu faktor utama yang memengaruhi produktivitas kedelai di Kabupaten Jember. Kondisi ini menjadi tantangan serius bagi petani dalam menjaga hasil panen yang optimal. Identifikasi dini penyakit tanaman menjadi langkah penting untuk mencegah penyebaran dan dampak yang lebih besar. Penelitian ini bertujuan untuk mengembangkan model berbasis algoritma Recurrent Neural Network (RNN) yang mampu mengidentifikasi penyakit tanaman kedelai dengan akurasi tinggi. Model ini dirancang untuk menganalisis data citra daun kedelai dan memberikan prediksi jenis penyakit yang menyerang secara otomatis. Dataset penelitian terdiri atas citra daun kedelai yang diperoleh melalui pengamatan langsung di lahan pertanian Kabupaten Jember serta data sekunder dari lembaga pertanian lokal. Langkah awal melibatkan preprocessing data, seperti normalisasi citra dan augmentasi untuk meningkatkan kualitas dataset. Algoritma RNN digunakan
untuk mempelajari pola visual penyakit pada daun kedelai dan menghasilkan prediksi berbasis klasifikasi. Hasil penelitian menunjukkan bahwa model RNN yang dikembangkan berhasil mencapai akurasi prediksi sebesar 78,31%. Hal ini menunjukkan potensi model sebagai alat yang efektif untuk membantu petani mengenali penyakit tanaman kedelai secara cepat dan akurat. Dengan implementasi lebih lanjut, model ini dapat dikembangkan menjadi aplikasi berbasis teknologi yang mendukung
pengambilan keputusan dalam pengendalian penyakit tanaman. Temuan ini diharapkan memberikan kontribusi nyata bagi peningkatan produktivitas kedelai di Kabupaten Jember.