<> "The repository administrator has not yet configured an RDF license."^^ . <> . . . "Model Identifikasi Penyakit Tanaman Jagung Berbasis \r\nCitra Daun Menggunakan ConvNeXt dan MaxViT."^^ . "Naufal Alwi Pratama 2026. Model Identifikasi Penyakit Tanaman Jagung Berbasis \r\nCitra Daun Menggunakan ConvNeXt dan MaxViT. Dibawah bimbingan Dr. Arie \r\nQur’ania, M.Kom. dan Yusma Yanti, M.Si.\r\nJagung (Zea mays L.) merupakan salah satu komoditas pangan penting di Indonesia \r\nyang produktivitasnya dapat menurun akibat serangan penyakit daun, sementara \r\nproses identifikasi secara manual masih bergantung pada pengamatan visual sehingga \r\nberpotensi menyebabkan keterlambatan penanganan. Pengembangan model \r\nidentifikasi penyakit daun jagung berbasis citra digital dilakukan dengan \r\nmembandingkan performa arsitektur ConvNeXt dan MaxViT, kemudian \r\nmengimplementasikan model terbaik ke dalam aplikasi web Maize Vision. Metode \r\npenelitian mengintegrasikan kerangka kerja Knowledge Discovery in Databases\r\n(KDD) dan SDLC Waterfall. Dataset yang digunakan berjumlah 7.270 citra yang \r\nterdiri atas 2.035 data primer dan 5.235 data sekunder, dengan lima kelas, yaitu \r\nCommon Rust, Gray Leaf Spot, Northern Leaf Blight, Pest Damage, dan Healthy. \r\nTahapan penelitian meliputi preprocessing, augmentasi data, pelatihan model \r\nmenggunakan pendekatan transfer learning, evaluasi menggunakan confusion matrix\r\ndengan metrik accuracy, precision, recall, dan F1-score, serta implementasi model \r\nterbaik ke dalam aplikasi web yang selanjutnya diuji melalui pengujian struktural, \r\nfungsional, validasi, dan System Usability Scale (SUS). Hasil penelitian menunjukkan \r\nbahwa ConvNeXt memberikan performa terbaik dibandingkan MaxViT. Model \r\nConvNeXt terbaik menggunakan optimizer AdamW dengan skenario pembagian data \r\n90:5:5 dan memperoleh accuracy 96,98%, precision 0,97, recall 0,9695, dan F1-score\r\n0,9697, sedangkan model MaxViT terbaik menggunakan optimizer Adam dengan \r\nskenario 80:10:10 dan memperoleh accuracy 94,91%, precision 0,9515, recall 0,9502, \r\ndan F1-score 0,9506. Aplikasi Maize Vision yang dibangun menggunakan Vue.js dan \r\nFastAPI memperoleh skor System Usability Scale (SUS) sebesar 86,125, yang \r\ntermasuk kategori Acceptable, Grade Scale B, dan Adjective Rating Excellent. \r\nBerdasarkan hasil tersebut, dapat disimpulkan bahwa arsitektur ConvNeXt lebih \r\nunggul dibandingkan MaxViT dalam mengidentifikasi penyakit daun jagung dan \r\nberhasil diimplementasikan pada aplikasi web dengan tingkat usability yang sangat \r\nbaik.\r\nKata Kunci: Penyakit Daun Jagung, Deep Learning, Computer Vision, ConvNeXt, \r\nMaxViT"^^ . "2026-07-20" . . "Universitas Pakuan"^^ . . . "Fakultas Matematika dan Pengetahuan Alam, Universitas Pakuan"^^ . . . . . . . . . . . "Naufal Alwi"^^ . "Pratama"^^ . "Naufal Alwi Pratama"^^ . . "Arie"^^ . "Qur'ania"^^ . "Arie Qur'ania"^^ . . "Yusma"^^ . "Yanti"^^ . "Yusma Yanti"^^ . . "Universitas Pakuan"^^ . . . "Fakultas Matematika dan Ilmu Pnegetahuan Alam"^^ . . . "Program Studi Ilmu Komputer"^^ . . . . . . "HTML Summary of #11240 \n\nModel Identifikasi Penyakit Tanaman Jagung Berbasis \nCitra Daun Menggunakan ConvNeXt dan MaxViT.\n\n" . "text/html" . . . "Ilmu Komputer"@en . .