Keberhasilan tanaman untuk berproduksi secara maksimal tidak terlepas dari pengelolaan
yang diberikan seperti penetapan pemberian air yang dibutuhkan. Dalam bidang pertanian
air menjadi komponen utama pada proses fotosintesis dan kebutuhan dasar bagi tanaman.
Air juga menjadi salah satu faktor penentu bagi perkembangan tanaman, jika air kurang
atau berlebih dapat menyebabkan tanaman mengalami titik kritis, tanaman akan
mengalami penurunan proses fisiologi dan fotosintesis dan akhirnya berdampak pada
produksi dan kualitas. Pada pertumbuhan tanaman terdapat batasan maksimum dan
minimum dalam pemberian air. Pemberian air yang berbeda akan menimbulkan respon
tanaman yang berbeda. Untuk itu, perlu diketahui frekuensi pemberian air yang sesuai
terhadap respon tanaman. Maka dalam penyelesaian ini dapat memanfaatkan teknologi
komputasi seperti model pengenalan objek menggunakan deep learning yaitu
Convolutional Neural Network. Convolutional Neural Network merupakan salah satu
jenis neural network yang digunakan pada data image yang dilakukan secara langsung.
Penelitian ini menggunakan tiga kelas jenis daun yaitu daun kelebihan air, daun cukup
air, dan juga daun kekurangan air. Pada proses pengujian validasi menggunakan
confusion matrix terhadap data validasi menghasilkan akurasi 73%. Hasil menunjukkan
bahwa metode Convolutional Neural Network berpotensi untuk pendekatan object
detection secara otomatis dalam membedakan jenis daun tanaman cabai rawit yang
disebabkan oleh taraf pemberian air yang berbeda.

The success of plants to produce optimally can not be separated from the management
provided such as the determination of the provision of water needed. In agriculture water
becomes a major component in the process of photosynthesis and basic needs for plants.
Water is also one of the determining factors for plant development, if less or excess water
can cause plants to experience a tipping point, plants will experience a decrease in
physiological processes and photosynthesis and eventually have an impact on production
and quality. In plant growth there are maximum and minimum limits in the provision of
water. Giving different water will give rise to different plant responses. For this reason,
it is necessary to know the appropriate frequency of water administration to the response
of plants. So in this settlement can utilize computational technology such as object
recognition models using deep learning, namely Convolutional Neural Network.
Convolutional Neural Network is one type of neural network used in data images that are
done directly. This study used three types of leaves, namely excess water leaves, leaves
enough water, and also leaves lack of water. In the validation testing process using
confusion matrix against validation data produces 73% accuracy. The results showed
that the Convolutional Neural Network method has the potential to approach object
detection automatically in distinguishing the types of cayenne pepper plant leaves caused
by different levels of water administration.