Font Size: 

Computer vision merupakan salah domain dari machine learning yang memungkinkan komputer dan sistem mengambil tindakan atau membuat rekomendasi berdasarkan informasi yang diperoleh dari citra digital, video, dan input visual lainnya. Dewasa ini, algoritma deep learning mulai diterapkan pada aplikasi computer vision, salah satunya yaitu Convolutional Neural Network (CNN). Convolutional Neural Network (CNN) merupakan salah satu algoritma terbaik untuk memahami konten citra dan telah menunjukkan performa yang baik dalam segmentasi, klasifikasi, deteksi, dan tugas lainnya yang berkaitan dengan citra. Performa Convolutional Neural Network (CNN) memberikan peluang dan memperluas penelitian ke bidang pertanian, salah satunya mengidentifikasi penyakit tanaman tomat. Salah satu faktor yang mempengaruhi performa Convolutional Neural Network (CNN) adalah pemilihan hyperparameter yang sesuai. Pemilihan hyperparameter yang sesuai membutuhkan waktu dan pengalaman yang cukup untuk memperoleh hasil yang maksimal. Sehingga tujuan pada penelitian ini adalah mencari nilai hyperparameter dari Convolutional Neural Network (CNN) agar memperoleh hasil yang lebih baik. Penelitian ini melakukan klasifikasi citra penyakit daun tomat berdasarkan dataset yang berjumlah 11000 citra dengan 10 kelas. Metode yang digunakan adalah Convolutional Neural Network (CNN) dan Hyperband sebagai optimasi hyperparameter. Harapannya dengan dilakukan optimasi hyperparameter pada arsitektur Convolutional Neural Network (CNN) dapat memberikan hasil prediksi yang optimal.