<![CDATA[Dalam beberapa dekade terakhir, industri pertanian telah mengalami transformasi signifikan dengan penerapan teknologi canggih seperti kecerdasan buatan (AI) dan pembelajaran mesin (ML). Tantangan utama dalam sektor ini adalah identifikasi dan klasifikasi penyakit tanaman secara akurat dan efisien. Salah satu solusi yang menjanjikan adalah penerapan Convolutional Neural Networks (CNN), khususnya arsitektur Xception yang terkenal efektif dalam tugas klasifikasi gambar. Penelitian ini mengeksplorasi implementasi Xception dalam klasifikasi penyakit daun bawang merah (Allium ascalonicum), yang merupakan tanaman penting namun rentan terhadap berbagai penyakit seperti bercak daun (Alternaria porri), layu bakteri (Erwinia carotovora), dan ulat Grayak (Spodoptera exigua). Dataset gambar daun bawang merah digunakan untuk menguji kinerja model Xception dalam mengidentifikasi berbagai jenis penyakit. Hasil penelitian menunjukkan bahwa model terbaik yang menggunakan batch size 16 dan epoch 100 mencapai akurasi 99.71% dan validasi 97.37%. Pengujian menggunakan confusion matrix terhadap 96 data uji menghasilkan 89 klasifikasi benar dan 7 klasifikasi salah, menunjukkan tingkat akurasi 92%. Penelitian ini berkontribusi dalam peningkatan efisiensi dan akurasi deteksi penyakit tanaman, mendukung pertanian presisi dan pengembangan sistem deteksi penyakit tanaman yang lebih maju dan terotomatisasi.]]>
Copyrights © 2025
