Abstract:Abstract: Toko Ratna Jaya is a business in the fashion sector that sells women's robes and is experiencing instability in its sales because Toko Ratna Jaya is unable to predict their sales for the following month. Ratna…
Jaya Shop currently carries out forecasting only by relying on the owner's predictions. However, this approach is less efficient and can lead to losses or increased stock costs if forecasting is inaccurate. To increase the accuracy of the estimates, the use of the Single Exponential Smoothing Method is proposed. This method smooths past values with exponential weights, placing greater emphasis on recent data. Use of data from the last 1 (one) year as reference data for recording the past for forecasting experiments for the next 1 (one) month. Experiments using different Alphas test accuracy in actual situations. The results of the experiment with an alpha of 0.2 are almost the same as the actual value in predicting the situation one month into the future with the lowest error, namely MAPE 12.05% and forecasting sales of gamis of 1,476 pcs.
Keywords: forecasting; gamis; sales; single exponential smoothing (SES); toko ratna jaya.
Abstrak: Toko Ratna Jaya adalah usaha di bidang fashion yang menjual baju gamis wanita dan sedang mengalami ketidakstabilan dalam penjualannya dikarenakan Toko Ratna Jaya tidak mampu meramalkan penjualan mereka untuk bulan berikutnya. Toko Ratna Jaya saat ini melakukan peramalan hanya dengan mengandalkan paraduga pemiliknya. Namun, pendekatan ini kurang efisien dan dapat menyebabkan kerugian atau peningkatan biaya stok jika peramalan tidak akurat. Untuk meningkatkan ketepatan perkiraan, penggunaan Metode Single Exponential Smoothing diusulkan. Metode ini menghaluskan nilai masa lalu dengan bobot eksponensial, memberikan penekanan lebih besar pada data terbaru. Penggunaan data 1 (satu) tahun terakhir sebagai data acuan pencatatan masa lalu untuk percobaan peramalan untuk 1 (satu) bulan kedepan. Eksperimen menggunakan Alpha yang berbeda menguji akurasi dalam situasi aktual. Hasil dari eksperimen dengan alpha 0,2 hampir sama dengan nilai aktual dalam meramalkan keadaan satu bulan ke depan dengan error yang paling rendah yaitu MAPE 12,05% dan peramalan penjualan gamis sebanyak 1.476 pcs.
Kata kunci: gamis; penjualan; peramalan; single exponential smoothing (ses); toko ratna jaya.
Abstract:Abstract: Recognizing one's interests and talents early on is crucial in guiding an individual toward a prosperous future. While distinct, interests and talents share a close relationship. Interest denotes a genuine attraction…
action to something without external pressure, and when consistently nurtured, it evolves into a skill or talent. Machine learning, specifically utilizing the SVM algorithm with the RBF kernel, can be applied to categorize interests and talents. Prior to SVM modeling, conducting Exploratory Data Analysis (EDA) is imperative for scrutinizing interests and talents. This analysis facilitates the identification of variables, enabling the elimination of missing values and ensuring the selection of appropriate interest and talent variables. The primary objective is to achieve optimal accuracy in modeling the classification of interests and talents. The insights gained from this research contribute to the creation of an application designed for categorizing interests and talents within SDN XYZ school. This application is designed for student use, assisting them in making informed decisions about their future education and career paths
Keywords: exploratory data analysis; interests and talents; machine learning; SVM Algorithm
Abstrak: Mengenali minat dan bakat seseorang sejak dini sangat penting dalam membimbing individu menuju masa depan yang sukses. Meskipun berbeda, minat dan bakat memiliki hubungan yang erat. Minat mengindikasikan ketertarikan yang tulus terhadap sesuatu tanpa tekanan eksternal, dan ketika terus-menerus dibina, berkembang menjadi keterampilan atau bakat. Pembelajaran mesin, khususnya dengan menggunakan algoritma SVM dan kernel RBF, dapat digunakan untuk mengelompokkan minat dan bakat. Sebelum pemodelan SVM, melakukan Analisis Data Eksploratif (EDA) sangat penting untuk mengkaji minat dan bakat. Analisis ini memfasilitasi identifikasi variabel, memungkinkan penghilangan nilai yang hilang, dan memastikan pemilihan variabel minat dan bakat yang tepat. Tujuan utamanya adalah mencapai akurasi optimal dalam pemodelan klasifikasi minat dan bakat. Temuan dari penelitian ini berkontribusi pada pengembangan aplikasi yang ditujukan untuk mengkategorikan minat dan bakat di sekolah SDN XYZ. Aplikasi ini dirancang untuk digunakan oleh siswa, membantu mereka membuat keputusan yang terinformasi mengenai pendidikan dan karier masa depan mereka.
Kata kunci: Algoritma SVM; exploratory data analysis; machine learning; minat dan bakat
Abstract:Abstract: The PMKS Orphan Data Collection System is specifically designed to collect data on orphans in Central Lombok Regency. Although it has been around since its creation, there has been no assessment made of the quality…
lity of this system. Therefore, this study aims to analyze the quality of the PMKS Data Collection Information System for Orphans using the WebQual 4.0 method and Importance Performance Analysis (IPA). This study aims to identify factors that affect system service quality, focusing on four WebQual 4.0 variables, namely usability, information quality, service interaction, and User Satisfaction. Data was collected through distributing questionnaires and analyzed using IPA methods to assess users' views and expectations of the system. The results of the analysis showed that overall, the quality of this system was rated very good with the Webqual Index score reaching a score of 77%. However, there are certain areas that still need improvement, the PMKS Data Collection System for Orphans has a con- formity rate of 98% and an average gap value (GAP) - 0.06929. Priority is directed at quadrant I and quadrant 3. Improvement recommendations can be made by prioritizing indicators found in quadrants I and III based on the results of the IPA analysis. Thus, effective improvement efforts can be directed to improve the quality of the PMKS Data Collection System for Orphans in accord with user expectations.
Keywordss: analysis; Imprtance Performance Analysis (IPA); orphans; PMKS; WebQual 4.0
Abstrak: Sistem Pendataan PMKS Anak Yatim-Piatu dirancang khusus untuk mengumpulkan data anak yatim di Kabupaten Lombok Tengah. Meskipun telah ada sejak pembuatannya, belum ada penilaian yang dilakukan terhadap kualitas sistem ini. Karena itu, penelitian ini bertujuan untuk menganalisis kualitas Sistem Informasi Pendataan PMKS Anak Yatim-Piatu dengan menggunakan metode WebQual 4.0 dan Importance Performance Analysis (IPA). Penelitian ini memiliki tujuan untuk mengidentifikasi faktor-faktor yang memengaruhi kualitas layanan sistem, dengan fokus pada empat variabel WebQual 4.0, yaitu usability, information quality, service interaction, dan User Satisfaction. Data dikumpulkan melalui menyebarkan kuesioner dan dianalisis dengan metode IPA untuk menilai pandangan dan harapan pengguna terhadap sistem. Hasil analisis menunjukkan bahwa secara keseluruhan, kualitas sistem ini dinilai sangat baik dengan nilai Webqual Index mencapai skor 77%. Namun, terdapat area tertentu yang masih memerlukan perbaikan, Sistem Pendataan PMKS Anak Yatim-Piatu memiliki tingkat kesesuaian sebesar 98% dan nilai rata-rata kesenjangan (GAP) -0.06929. Prioritas perbaikan diarahkan pada kuadran I dan kuadran 3. Rekomendasi perbaikan dapat dilakukan dengan memprioritaskan indikator yang ditempatkan pada kuadran I dan III berdasarkan hasil analisis IPA. Dengan demikian, upaya perbaikan yang efektif dapat diarahkan untuk meningkatkan kualitas Sistem Pendataan PMKS Anak Yatim-Piatu sesuai dengan harapan pengguna.
Kata kunci : anak yatim-piatu; analisis; Importance Performance Analisis (IPA); PMKS; WebQual
Abstract:Abstract: The advancement of information technology and knowledge has facilitated the production of quality information. The use of information technology has penetrated all fields, especially in the teaching domain at higher…
igher education institutions, aiding in valuable decision-making processes. This research focuses on STMIK Royal Kisaran, which faces challenges in increasing the number of doctoral-educated lecturers. To address this limitation, the study explores the implementation of a Decision Support System (DSS) using the Profile Matching method. Lecturers in higher education play a crucial role in providing education, conducting research, and contributing to society. In an effort to enhance the qualifications of lecturers, this research designs a Decision Support System using the Profile Matching method. The aim of this research is to provide recommendations for prospective lecturer candidates to pursue a Doctoral degree based on criteria factors such as length of service, functional position, research score, dedication score, age, and recognition score. Data from 46 lecturers at STMIK Royal Kisaran who meet the criteria are used to test the validity and effectiveness of the Decision Support System (DSS). Through structured analysis, it is demonstrated that the Decision Support System using the Profile Matching method successfully provides recommendations for suitable lecturer candidates to pursue doctoral studies.
Keywords : decision support systems; higher education; information Technology; lecturer qualifications; profile matching.
Abstrak: Kemajuan teknologi informasi dan ilmu pengetahuan telah menghadirkan kemudahan dalam menghasilkan informasi yang berkualitas, penggunaan teknologi informasi sudah memasuki segala bidang terutama bidang pengajaran pada perguruan tinggi dan membantu pengambilan keputusan yang bernilai. Penelitian ini berfokus pada STMIK Royal Kisaran yang mengalami kendala dalam meningkatkan jumlah dosen berpendidikan Doktor. Untuk mengatasi keterbatasan tersebut, penelitian ini mengeksplorasi penerapan Sistem Pendukung Keputusan (DSS) dengan menggunakan metode Profile Matching. Dosen pada pendidikan tinggi mempunyai peran penting dalam memberikan pendidikan, melakukan penelitian, dan memberikan kontribusi kepada masyarakat. Dalam upaya meningkatkan kualifikasi dosen, penelitian ini merancang Sistem Pendukung Keputusan dengan menggunakan metode Profile Matching. Penelitian ini bertujuan untuk memberikan rekomendasi kandidat calon dosen untuk mengejar gelar Doktor dengan berlandaskan faktor kriteria seperti lama kerja, jabatan fungsional, nilai penelitian, nilai pengabdian, umur, dan nilai rekognisi. Data dari 46 dosen STMIK Royal Kisaran yang memenuhi kriteria digunakan untuk menguji validitas dan efektivitas Sistem Pendukung Keputusan (SPK). Melalui analisis terstruktur, menunjukkan bahwa Sistem Pendukung Keputusan menggunakan metode Profile Matching berhasil memberikan rekomendasi calon dosen yang layak direkomendasikan untuk melanjutkan studi ke jenjang Doktor.
Kata Kunci : kualifikasi dosen; pencocokan profil; pendidikan yang lebih tinggi; sistem pendukung keputusan; teknologi Informasi.
Abstract:Abstract: This study aims to train computers to recognize Javanese script characters known as Hanacaraka. The evaluation was conducted on the use of Convolutional Neural Network (CNN) with the ResNet-18 architecture in recognizing…
ecognizing these characters. The research objective is to overcome traditional character recognition barriers and improve accuracy. The method employed includes building a CNN model with the ResNet-18 architecture and using diverse datasets. The results show a training accuracy of 100%, validation accuracy of 98.01%, and accuracy, precision, recall, and F1-score each at 100%. This study concludes that the developed model successfully achieves a high level of accuracy and contributes positively to the development of Javanese Hanacaraka character recognition technology.
Keywords: convolution neural network (CNN); javanese hanacaraka script; resnet-18
Abstrak: Penelitian ini bertujuan melatih komputer untuk mengenali huruf aksara Jawa Hanacaraka. Evaluasi dilakukan terhadap penggunaan Convolutional Neural Network (CNN) dengan arsitektur ResNet-18 dalam pengenalan karakter tersebut. Tujuan penelitian adalah mengatasi hambatan pengenalan karakter tradisional dan meningkatkan akurasi. Metode yang digunakan mencakup pembuatan model CNN dengan arsitektur ResNet-18 dan penggunaan dataset yang beragam. Hasilnya menunjukkan akurasi pelatihan 100%, validasi 98.01%, dan akurasi, presisi, recall, dan F1-score masing-masing sebesar 100%. Simpulan penelitian ini adalah bahwa model yang dikembangkan berhasil mencapai tingkat akurasi yang tinggi dan memberikan kontribusi positif pada pengembangan teknologi pengenalan karakter Hanacaraka Jawa.
Kata kunci: convolution neural network (CNN); huruf aksara jawa hanacaraka; resnet-18
Abstract:Abstract: Gross Regional Domestic Product (GRDP) is one of the most important socio-economic indicators. In order to gain a more comprehensive understanding of the current economic situation and regional differences, estimating…
imating GRDP using integration of satellite imagery and official statistics data can provide valuable information. This research estimates the GRDP value in 2022 by using data in 2019 to 2021 related to two aspects, agriculture and non-agriculture. Soil adjusted vegetation index (SAVI), enhanced vegetation index (EVI), and land cover (LC) used as agriculture aspect, while nighttime light (NTL), human settlement index (HSI), land area, and population per regency/city used as non-agriculture aspect. GRDP estimation are produced with machine learning approach using support vector machine (SVM) and random forest (RF) method. Correlation test on each variable shows only land area that does not have a significant correlation with GRDP. RF model then chosen as the best model with RMSE, MSE, MAE, and R2 value of 0.2549; 0.5049; 0.7727; and 0.2543, respectively. The estimated values acquired in several regencies/cities have rather near, some even very close to the official statistics values.
Keywords: GRDP; satellite imagery; machine learning; random forest; support vector machine
Abstrak: Produk Domestik Regional Bruto (PDRB) merupakan salah satu indikator sosio-ekonomi yang penting. Penghitungan nilai PDRB dengan pendekatan yang melibatkan kombinasi data citra satelit dan statistik resmi dapat memberikan informasi serta pemahaman yang lebih komprehensif. Penelitian ini melakukan estimasi nilai PDRB pada tahun 2022 menggunakan data tahun 2019 hingga 2021 dengan melibatkan dua aspek, agrikultur dan non-agrikultur. Data soil adjusted vegetation index (SAVI), enhanced vegetation index (EVI), dan tutupan lahan (land cover/LC) digunakan sebagai aspek agrikultur, sementara data citra cahaya malam (NTL), human settlement indeks (HSI), luas wilayah kabupaten/kota, dan jumlah populasi per kabupaten/kota digunakan sebagai aspek non-agrikultur. Estimasi PDRB dihasilkan dengan menggunakan pendekatan machine learning berupa support vector machine (SVM) dan random forest (RF). Pengecekan korelasi antarvariabel menunjukkan bahwa hanya variabel luas wilayah tidak berpengaruh signifikan terhadap nilai PDRB. Model random forest kemudian dipilih sebagai model terbaik dengan nilai evaluasi RMSE, MSE, MAE, dan berturut-turut sebesar 0.2549, 0.5049, 0.7727, dan 0.2543. Nilai estimasi yang diperoleh di beberapa kabupaten/kota cukup mendekati, bahkan ada yang sangat dekat dengan nilai statistik resmi.
Kata kunci: PDRB; citra satelit; machine learning; random forest; support vector machine
Abstract:Abstract: Children's nutritional issues are an important concern for parents to pay attention to growth and development, especially health and well-being. According to the results of the Ministry of Health's Indonesian Nutrition…
utrition Status Survey (SSGI), there are 4 nutritional problems for children in Indonesia, namely stunting, wasting, underweight and everweight. In this research, how to predict signs of symptoms of a decline in a child's nutritional status using a machine learning algorithm, a prediction model was designed using logistic regression in Python IDE to predict whether a child is indicated by a decline in nutrition or not. Dataset from Bengkayang Community Health Center data consisting of 657 pediatric patient data. The dataset is divided into 7 features (independent variables) and 1 predictor (dependent variable). Test results show perfect performance with precision, recall, F1-score, accuracy values of 100%. Then the visualization results on the ROC (Receiver Operating Characteristic) curve to depict the TP (True Positive) value on the Y axis against the FP (false Positive) value on the become overfit. It is recommended that in preparing the training dataset, measure the training data and reduce the features, after carrying out feature selection to increase the accuracy of the model.
Keywords: child nutritional status; growth and development logistic regression; machine learning
Abstract: Masalah Gizi anak menjadi perhatian penting bagi orangtua untuk memperhatikan tumbuh kembang, terutama kesehatan dan kejahteraan. Menurut hasil survei status Gizi Indonesia (SSGI) Kemenkes memperlihatkan 4 permasalahan gizi anak di Indonesia yaitu stunting, wasting, underweight, dan everweight. Dalam penelitian ini, bagaimana memprediksi tanda gejala penurunan status gizi anak menggunakan algoritma machine learning dirancang model prediksi menggunakan logistic regression pada Python IDE dengan memprediksi anak terindikasi penurunan gizi atau tidak. Dataset dari data Puskesmas Bengkayang yang terdiri 657 data pasien anak. Dataset dibagi menjadi 7 feature (variabel independen) dan 1 predictor (variabel dependen). Hasil Pengujian memperlihatkan kinerja yang sempurna dengan nilai presisi, recall, F1-score, akurasi, sebesar 100%. Kemudian hasil Visualisasi pada kurva ROC (Receiver Operating Characteristic) untuk menggambarkan nilai TP (True Positif) di sumbu Y terhadap nilai FP (false Positif) di sumbu X juga menunjukkan nilai yang sangat tinggi dan sudah mendekati angka 1 ini pertanda bahwa model ini menjadi overfit. Sebaiknya dalam persiapan training dataset diukur dengan data training dan mengurangi feature, setelah melakukan feature Selection untuk meningkatkan akurasi model.
Keywords: logistic regression; machine learning; status gizi anak; tumbuh kembang
Abstract:Abstract: There are a great number of academics that are now conducting research on sentiment analysis by employing supervised and machine learning techniques. The research can be carried out with the assistance of a variety…
iety of sources, including reviews of movies, reviews of Twitter, reviews of online products, blogs, discussion forums, and other social networks. With the progress of technology, individuals may now effortlessly utilize social media platforms to access and share information, as well as express their viewpoints to the general public, without any constraints of distance or time. Twitter is a social media network that serves as a repository for opinions. Diverse techniques are employed to provide optimal and realistically precise pressure detection. The analysis and discussion affirm that the Support Vector Machine (SVM) was effectively employed in this study, utilizing public opinion data on television program reviews in Indonesia. An SVM classifier is employed to examine the Twitter data set by utilizing various parameters. The study successfully completed the preprocessing process by collecting a total of 400 data points, consisting of 320 reviews from 4 television shows for training data and 80 reviews for testing. The data was filtered and classified using SVM, with 200 positive and 200 negative data points for comparison. The experiment utilized the SVM method using TF-IDF to achieve the most accurate test results. The test accuracy was 80%, while the training data accuracy reached 100%.
Keywords: Sentiment Analysis; Support Vector Machine; Television Shows Review, TF-IDF,
Abstrak: Saat ini, banyak akademisi sedang menyelidiki analisis sentimen melalui pemanfaatan teknik yang diawasi dan pembelajaran mesin. Kajian dapat dilakukan dengan menggunakan beberapa sumber seperti review film, review Twitter, review produk online, blog, forum diskusi, atau jejaring sosial lainnya. Dengan kemajuan teknologi, masyarakat kini dapat dengan mudah memanfaatkan platform media sosial untuk mengakses dan berbagi informasi, serta menyampaikan pandangan mereka kepada masyarakat umum, tanpa batasan jarak dan waktu. Twitter adalah jaringan media sosial yang berfungsi sebagai gudang opini. Beragam teknik digunakan untuk menghasilkan deteksi tekanan yang optimal dan presisi secara realistis. Analisis dan pembahasan menegaskan bahwa Support Vector Machine (SVM) efektif digunakan dalam penelitian ini, memanfaatkan data opini publik tentang review program televisi di Indonesia. Pengklasifikasi SVM digunakan untuk memeriksa kumpulan data Twitter dengan memanfaatkan berbagai parameter. Penelitian berhasil menyelesaikan proses preprocessing dengan mengumpulkan total 400 titik data yang terdiri dari 320 review dari 4 acara televisi untuk data pelatihan dan 80 review untuk pengujian. Data disaring dan diklasifikasikan menggunakan SVM, dengan 200 titik data positif dan 200 titik data negatif sebagai perbandingan. Percobaan ini menggunakan metode SVM dengan menggunakan TF-IDF untuk mencapai hasil pengujian yang paling akurat. Akurasi pengujiannya mencapai 80%, sedangkan akurasi data pelatihan mencapai 100%.
Kata kunci: Analisis Sentimen, Review Tayangan Televisi, TF-IDF, Support Vector Machine
Abstract:Abstract: The habit of smoking is dangerous because of the addictive substances that make cigarettes addictive. Its addictive nature poses a significant risk, affecting personality with stress, depression and nervous disorders.…
orders. Body factors that indicate smoking include blood sugar levels, dental caries, and hemoglobin. To address this, research has been conducted with focused efforts to understand and address the risks associated with smoking and its impact on overall health. This research aims to choose the best method for predicting smokers by using feature selection techniques. The feature selection algorithms uses for that are Analysis of Variance (ANOVA), Recursive Feature Elimination (RFE), and Genetic Algorithm (GA) to select optimal attributes and uses the k-fold cross validation technique as the validation of the Artificial Neural Network algorithm. The data includes various parameters such as age, height, weight, vision, blood pressure, cholesterol, triglycerides, hemoglobin, AST, ALT, GTP, gender, dental caries and tartar. Hearing ability, urine protein content, and tartar were selected. The results showed that using the Analysis of Variance method showed higher accuracy (77.101%) compared to the Genetic Algorithm method (74.64%) and the Recursive Feature Elimination method (76.08%). Selection of relevant attributes increases the predictions and insights of the Artificial Neural Network model about the effects of smoking on health.
Keywords: artificial neural network; analysis of variance; genetic algorithm; recursive feature elimination; smoker prediction
Abstrak: Kebiasaan merokok berbahaya karena adanya zat adiktif yang membuat rokok menjadi ketagihan. Sifatnya yang membuat ketagihan menimbulkan risiko yang signifikan, mempengaruhi kepribadian dengan stres, depresi, dan gangguan saraf. Faktor tubuh yang mengindikasikan kebiasaan merokok antara lain kadar gula darah, karies gigi, dan hemoglobin. Untuk mengatasi hal ini, penelitian telah dilakukan dengan upaya terfokus untuk memahami dan mengatasi risiko yang terkait dengan merokok dan dampaknya terhadap kesehatan secara keseluruhan. Penelitian ini bertujuan untuk memilih metode terbaik dalam memprediksi perokok dengan menggunakan teknik seleksi fitur. Metode seleksi fitur yang digunakan adalah Analysis of Variance (ANOVA), Recursive Feature Elimination (RFE), dan Genetic Algorithm (GA) untuk memilih atribut yang optimal dan menggunakan teknik k-fold cross validation sebagai validasi algoritma Artificial Neural Network. Data tersebut mencakup berbagai parameter seperti umur, tinggi badan, berat badan, penglihatan, tekanan darah, kolesterol, trigliserida, hemoglobin, AST, ALT, GTP, jenis kelamin, karies gigi dan karang gigi. Kemampuan pendengaran, kandungan protein urin, dan karang gigi dipilih. Hasil penelitian menunjukkan bahwa penggunaan metode Analysis of Variance menunjukkan akurasi yang lebih tinggi (77,101%) dibandingkan dengan metode Genetic Algorithm (74,64%) dan metode Recursive Feature Elimination (76,08%). Pemilihan atribut yang relevan meningkatkan prediksi dan wawasan model Jaringan Syaraf Tiruan tentang dampak merokok terhadap kesehatan.
Kata kunci: artificial neural network; analysis of variance; genetic algorithm; prediksi perokok; recursive feature elimination
Abstract:Abstract: This research aims to develop a method for detecting leaf spot disease in oil palm seedlings using Convolutional Neural Network (CNN). Leaf spot disease in oil palm seedlings can hinder growth and production. CNN…
NN has proven effective in image processing and classification, particularly in plant disease detection. In this study, we utilized a dataset of images containing oil palm seedling leaves infected with leaf spot disease and healthy leaves. We performed data processing, built a CNN model, and conducted hyperparameter tuning. The test results demonstrate that the developed CNN model achieves high accuracy in recognizing and distinguishing between oil palm seedling leaves infected with leaf spot disease and healthy ones. This research contributes to the development of plant disease detection technology that can support economic growth in the oil palm plantation sector.
Keywords: Convolutional Neural Network, image processing, leaf spot disease detection, oil palm seedlings.
Abstrak: Penelitian ini bertujuan untuk mengembangkan metode deteksi penyakit bercak pada bibit kelapa sawit menggunakan Convolutional Neural Network (CNN). Bibit kelapa sawit yang terinfeksi penyakit bercak dapat menghambat pertumbuhan dan produksi kelapa sawit. Metode CNN telah terbukti efektif dalam pengolahan citra dan klasifikasi, khususnya dalam deteksi penyakit pada tanaman. Dalam penelitian ini, kami menggunakan dataset citra daun bibit kelapa sawit yang terinfeksi penyakit bercak dan yang normal. Kami melakukan processing data, membangun model CNN, dan melakukan tuning hyperparameter. Hasil pengujian menunjukkan bahwa model CNN yang dikembangkan memiliki akurasi yang tinggi dalam mengenali dan membedakan citra daun bibit kelapa sawit yang terinfeksi penyakit bercak dan yang normal. Penelitian ini memberikan kontribusi dalam pengembangan teknologi deteksi penyakit tanaman yang dapat mendukung pertumbuhan ekonomi di sektor perkebunan kelapa sawit.
Kata kunci: bibit kelapa sawit, Convolutional Neural Network, deteksi penyakit bercak, pengolahan citra.