PENERAPAN MODEL CONVOLUTION NEURAL NETWORK
MENGGUNAKAN TRANSFER LEARNING DENGAN ARSITEKTUR
INCEPTION V3 DALAM KLASIFIKASI PENYAKIT DAUN CABAI
Indonesia sebagai negara agraris memiliki komoditas hortikultura
penting, salah satunya cabai, dengan permintaan tinggi baik untuk
konsumsi domestik maupun ekspor. Produktivitas cabai kerap
terhambat oleh penyakit daun yang sulit diidentifikasi secara manual
karena kemiripan gejala antar penyakit, sehingga penanganan sering
terlambat. Penelitian ini mengembangkan model klasifikasi penyakit
daun cabai menggunakan arsitektur Convolutional Neural Network
Inception V3 dengan pendekatan Transfer Learning. Dataset terdiri
atas citra daun cabai dengan lima jenis penyakit dan satu kelas daun
sehat. Berbagai kombinasi hyperparameter diuji untuk memperoleh
konfigurasi optimal. Hasil menunjukkan bahwa Model 6, dengan
learning rate 0,001, batch size 32, dropout 0,3, maximum epoch 50,
dan optimizer Adam, memberikan performa terbaik. Model ini
mencapai akurasi pelatihan 95,42%, validasi 99,37%, dan pengujian
96,24%. Hasil tersebut membuktikan bahwa pemilihan
hyperparameter yang tepat meningkatkan stabilitas pelatihan
sekaligus menghasilkan model akurat. Penelitian ini diharapkan
dapat mendukung identifikasi penyakit cabai secara cepat dan
efisien, sehingga berkontribusi pada produktivitas pertanian melalui
deteksi dini.
URI
https://repo.itera.ac.id/depan/submission/SB2510080002
Keyword
Cabai Convolution Neural Network Klasifikasi Inception V3 Transfer Learning