Klasifikasi Kondisi Tanaman Cabai Sehat dan Tidak Sehat Menggunakan Convolutional Neural Network Berbasis Teachable Machine

Satria Yudha, Rafiq
Imanuel, Christian
Yoga Saputra, Muchammad
Dwi Irawan, Ridwan

Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025

Tanaman cabai merupakan salah satu komoditas hortikultura yang memiliki nilai ekonomi tinggi di Indonesia. Namun, produktivitas tanaman cabai kerap mengalami penurunan akibat serangan penyakit yang dapat merusak tanaman. Deteksi dini terhadap kondisi kesehatan tanaman cabai sangat diperlukan guna mencegah penyebaran penyakit lebih luas. Penelitian ini bertujuan untuk membangun model klasifikasi kondisi tanaman cabai sehat dan tidak sehat menggunakan metode Convolutional Neural Network (CNN) berbasis Teachable Machine. Data citra tanaman cabai dikelompokkan menjadi dua kelas, yaitu Healthy (sehat) dan Unhealthy (tidak sehat). Proses pelatihan model dilakukan selama 50 epoch dengan ukuran citra 224 x 224 piksel. Berdasarkan hasil pengujian, model berhasil mencapai akurasi total sebesar 91%, dengan akurasi klasifikasi masing-masing kelas sebesar 83% untuk tanaman sehat dan 100% untuk tanaman tidak sehat. Hasil ini menunjukkan bahwa model CNN berbasis Teachable Machine dapat digunakan sebagai alat bantu deteksi dini kondisi kesehatan tanaman cabai secara praktis dan efisien.