Penyakit fungal blast pada tanaman padi dapat menyebabkan penurunan produksi hingga 90%. Para petani masih menggunakan cara manual yang membutuhkan waktu yang cukup lama dalam mengidentifikasi penyakit fungal blas ini. Oleh karena itu, penting untuk mengidentifikasi penyakit fungal blast tanaman padi secara akurat dan efisien sehingga dapat memberikan segera penangan yang tepat. Tujuan penelitian ini adalah menerapkan algoritma Convolutional Neural Network (CNN) dengan arsitektur VGG16 dan VGG19 untuk mengidentifikasi penyakit fungal blast pada tanaman padi serta membangdingkan kinerja kedua arsitektur tersebut. Dataset yang digunakan terdiri dari 1007 gambar daun padi yang sehat dan terinfeksi penyakit fungal blast. Model CNN VGG16 dan VGG19 dilatih dengan menggunakan epoch 10, 15, 20, dan Early Stopping. Hasil akurasi terbaik dari masing-masing model yaitu model VGG16 dengan epoch 15 dengan akurasi 83,17% dan VGG19 epoch 20 dengan hasil akurasi 75,25%. Penelitian ini menunjukkan bahwa model CNN VGG16 dan VGG19 dapat menjadi alat yang efektif untuk mengidentifikasi penyakit fungal blast pada tanaman padi dengan akurasi yang tinggi.

Fungal blast disease in rice plants can cause a 90% reduction in production. Farmers still use manual methods that take a long time to identify this fungal blast disease. Therefore, it is important to identify fungal blast disease of rice plants accurately and efficiently so that it can provide the right treatment immediately. The purpose of this research is to apply the Convolutional Neural Network (CNN) algorithm with VGG16 and VGG19 architectures to identify fungal blast disease in rice plants and compare the performance of the two architectures. The dataset used consists of 1007 images of healthy and infected rice leaves. CNN models VGG16 and VGG19 were trained using epochs 10, 15, 20, and Early Stopping. The best accuracy results from each model are the VGG16 model with epoch 15 with 83.17% accuracy and VGG19 epoch 20 with 75.25% accuracy results. This research shows that CNN models VGG16 and VGG19 can be an effective tool to identify fungal blast disease in rice plants with high accuracy.