@thesis{thesis,
		author={Putri  Nabila Asshafa},
		title ={IMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK SISTEM KLASIFIKASI PENYAKIT DAUN CABAI BERBASIS WEBSITE},
		year={2024},
		url={http://eprints.poltektegal.ac.id/4161/},
		abstract={Tanaman cabai merupakan komoditas hortikultura penting di Indonesia yang sering menghadapi masalah penyakit seperti virus kuning, yang dapat menurunkan hasil panen. Untuk membantu petani dalam identifikasi penyakit, penelitian ini mengembangkan sistem berbasis website yang memanfaatkan teknologi Convolutional Neural Network (CNN) dengan fine-tuning hyperparameter untuk klasifikasi penyakit daun cabai. Penelitian ini bertujuan menentukan arsitektur CNN yang optimal dengan melakukan fine-tuning pada berbagai hyperparameter seperti learning rate dan batch size. Dataset terdiri dari 3000 citra daun cabai dengan lima kelas penyakit. Proses melibatkan akuisisi citra, preprocessing, augmentasi data dan evaluasi 14 arsitektur CNN, termasuk MobileNet, EfficientNet, ConvNextTiny dan Xception. Hasil menunjukkan bahwa fine-tuning hyperparameter secara signifikan meningkatkan akurasi model, dengan arsitektur Xception mencapai akurasi 100%. Website yang dibangun memudahkan deteksi penyakit secara cepat dan akurat, dengan hasil usability tesing yang menunjukkan tingkat kepuasan pengguna sebesar 80,33%, menandakan aplikasi ini efektif dan layak digunakan. 
Kata Kunci:	tanaman cabai, convolutional neural network (CNN), fine-tuning hyperparameter, website}
		}