Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Muhammad Fernanda Mulya Putra
Universitas Nusantara PGRI Kediri
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Performa InceptionV3 Berbasis Transfer Learning untuk Klasifikasi Penyakit Daun Tebu Muhammad Fernanda Mulya Putra; Danang Wahyu Widodo; Patmi Kasih
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/xxw7ah87

Abstract

Penyakit daun tebu dapat menurunkan produktivitas tanaman dan memerlukan identifikasi yang cepat serta akurat untuk mendukung pengelolaan tanaman yang efektif. Penelitian ini bertujuan menganalisis performa InceptionV3 berbasis transfer learning dalam mengklasifikasikan penyakit daun tebu menggunakan citra digital. Dataset yang digunakan terdiri atas 1.999 citra daun tebu yang dikelompokkan ke dalam empat kelas, yaitu Mosaic, RedRot, Rust, dan Yellow. Dataset dibagi menjadi data latih, validasi, dan uji dengan rasio 70:15:15. Proses pelatihan dilakukan melalui dua fase, yaitu feature extraction dan fine-tuning, serta didukung penerapan augmentasi data untuk meningkatkan kemampuan generalisasi model. Hasil pengujian menunjukkan bahwa model mampu menghasilkan akurasi sebesar 86,18 persen dengan nilai precision, recall, dan F1-score yang seimbang. Temuan ini menunjukkan bahwa InceptionV3 berbasis transfer learning efektif digunakan untuk klasifikasi penyakit daun tebu dan berpotensi mendukung pengembangan sistem identifikasi penyakit tanaman berbasis kecerdasan buatan.
Co-Authors Danang Wahyu Widodo Patmi Kasih