@thesis{thesis,
		author={LITANIANDA  YOVI and PRASETYO  ANGGA and SAIFUL  ANDIKA},
		title ={ALGORITMA CONVOLUTIONAL NEURAL NETWORK
UNTUK MENGIDENTIFIKASI PENYAKIT TANAMAN CABAI},
		year={2023},
		url={http://eprints.umpo.ac.id/11328/},
		abstract={Bahan baku cabai sangat dibutuhkan dengan banyaknya permintaan cabai sebagai kebutuhan masyarakat, fluktuasi harga terjadi pada komoditas cabai bahkan naik turunnya sangat signifikan. Harga komoditas cabai yang melambung menjadi faktor kenaikan harga bahan pokok lainnya seperti minyak dan beras. Pemicu yang mempengaruhi produktivitas tanaman cabai salah satunya virus dan cendawan yang akhirnya menimbulkan penyakit. Petani sering mengeuhkan diantaranya adalah penyakit, daun keriting, bercak daun, kutu kebul, antraknosa, rebah kecambah dan virus kuning. Pada penelitian ini dengan adanya kondisi tersebut maka peneliti membuat solusi dengan memanfaatkan Machine Learning  untuk mengidentifikasi penyakit cabai secara realtime agar bisa langsung ditangani oleh para petani. Pada penelitian ini mambahas bagaimana dan efektifitas algoritma yang digunakan dapat mengidentifikasi penyakit cabai yang disebutkan tadi. Penelitian ini menggunakan algoritma Convolutional Neural Network (CNN) menggunakan arsitektur Alexnet sebagai metode untuk klasifikasi citra pada daun tanaman cabai, pada citra dari daun tanaman cabai akan diproses dengan proses yang sudah ditetapkan oleh CNN agar dapat mengetauhi hasil yang didapat berupa data yang diinginkan. Untuk hasil yang didapat cukup efektif dalam pengujian yang dilakukan secara langsung karena hasil akurasi lebih besar daripada hasil yang tidak. Dari hasil 8 kali pengujian Web app mendapatkan 7 yang benar dan 1 yang salah per class. Dari hasil yang dirasa efektif tersebut akan lebih baik jika menambah jumlah dataset agar hasil akurasi akan lebih besar lagi.}
		}