In the growth of rice plants there are abnormalities in growth and delays in anticipating which will lead to sub-optimal yields. This is caused by blas disease and blight.
To assist in the fast handling, this study designed a website-based expert system with the Faster Region Convolutional Neural Network method approach which aims to help solve problems because this method functions to process image data and the image data used is leaf image data on rice plants. This study resulted in an accuracy of 99.32% in identifying and classifying diseases using leaf imagery. Evaluation using confusion matrix results in accuracy of 94%, precision of 100%, recall of 74%, and f1-score of 85%.

Pada pertumbuhan tanaman padi terjadi ketidaknormalan pada pertumbuhan dan terlambat dalam mengantisipasi yang akan menyebabkan hasil panen yang tidak optimal. Hal ini disebabkan oleh penyakit blas dan hawar daun/bight. Untuk membantu penanganan secara cepat maka pada penelitian ini merancang sebuah sistem pakar berbasis website dengan pendekatan metode Faster Region Convolutional Neural Network yang bertujuan untuk membantu menyelesaikan permasalahan dikarenakan pada metode ini berfungsi untuk mengolah data citra dan data citra yang digunakan adalah data citra daun pada tanaman padi. Penelitian ini menghasilkan accuracy sebesar 99,32% dalam mengidentifikasi dan mengklasifikasikan penyakit menggunakan citra daun. Evaluasi menggunakan confusion matrix mendapatkan hasil accuracy sebesar 94%, precision sebesar 100%, recall sebesar 74%, dan f1-score sebesar 85%.