<![CDATA[Tanaman herbal telah lama dimanfaatkan sebagai sumber pengobatan tradisional di berbagai budaya, termasuk di Indonesia yang kaya akan keanekaragaman hayati. Kesamaan morfologi antar jenis daun herbal seringkali menyulitkan mengenali secara visual, terutama bagi masyarakat umum yang tidak memiliki latar belakang botani. Pemanfaatan teknologi pengolahan citra dan pembelajaran mendalam untuk klasifikasi tanaman herbal memiliki peran penting dalam mendukung konservasi dan pemanfaatan sumber daya alam. Penelitian ini bertujuan untuk mengembangkan klasifikasi otomatis daun herbal menggunakan pendekatan transfer learning dengan model Xception. Tahapan penelitian meliputi akuisi citra daun tanaman herbal, preprocessing citra, pelatihan model Xception, dan pengujian. Citra daun herbal yang digunakan dalam penelitian ini berjumlah 600 citra daun Cincau, Kemangi, Seledri, Jambu Biji, Pepaya, dan Blimbing Wuluh dari data primer dan sekunder. Model dilatih menggunakan optimizer Adamax dengan ukuran citra 128x128 piksel dan dievaluasi berdasarkan akurasi, precision, recall, dan f1-score. Hasil pengujian diperoleh kinerja mencapai akurasi 98,33%, presisi 99%, recall 98%, dan f1-score 98%. Temuan ini, menunjukkan bahwa model Xception yang mampu mengklasifikasikan 3 kelompok tanaman untuk pengobatan herbal dan masing-masing kelompok terdiri dari 2 jenis tanaman dengan unjukkerja yang sangat tinggi. Model ini dapat diimplementasikan sebagai bagian dari sistem pendukung keputusan dalam bidang farmasi dan konservasi tanaman obat.]]>
