Klasifikasi Penyakit Daun Bawang Menggunakan Algoritma CNN Xception

Amrulloh, M. Farij
Pamungkas, Danar Putra

Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Vol. 8 No. 1 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024

Daun bawang (Allium fistulosum) merupakan komoditas penting dalam pertanian, namun produktivitasnya sering terhambat oleh penyakit. Deteksi dini penyakit daun bawang sangat penting untuk mengurangi dampak negatifnya. Penelitian ini menggunakan metode Convolutional Neural Network (CNN) arsitektur Xception untuk klasifikasi penyakit daun bawang. Data dikumpulkan, model dilatih dengan parameter seperti batch size 16, epoch 100, dropout 0,2, learning rate 0,00001, dan optimizer Adam. Hasil pelatihan menunjukkan akurasi training 100% dan validasi 95%. Evaluasi dengan confusion matrix menunjukkan akurasi 100% pada data uji. Model Xception terbukti efektif dalam klasifikasi penyakit daun bawang merah, dengan akurasi tinggi dan kemampuan generalisasi yang baik. Hasil ini menunjukkan potensi penerapan AI dalam meningkatkan produktivitas pertanian melalui deteksi dini penyakit tanaman.