<![CDATA[Indonesia sebagai negara agraris menghadapi tantangan dalam produksi pertanian, khususnya akibat serangan hama dan penyakit yang menurunkan kualitas hasil panen kembang kol (Brassica oleracea var. botrytis L). Penelitian ini mengembangkan model klasifikasi penyakit tanaman kembang kol menggunakan metode transfer learning berbasis arsitektur Inception V3. Dataset terdiri dari empat kelas: Bacterial Spot Rot, Black Rot, Downy Mildew, dan No Disease, diperoleh dari Kaggle. Proses pengembangan mengikuti tahapan CRISP-DM, mulai dari pra-pemrosesan data, pelatihan model, hingga evaluasi. Model dilatih dengan memanfaatkan bobot awal dari ImageNet, diikuti dengan penyesuaian beberapa lapisan klasifikasi dan penggunaan teknik fine-tuning serta augmentasi data. Evaluasi performa dilakukan dengan metrik akurasi, precision, recall, dan F1-score. Hasil akhir menunjukkan akurasi validasi sebesar 93,75% dan akurasi pengujian mencapai 99%, dengan nilai precision dan recall yang seimbang (93,75%). Model terbukti efektif dalam mengklasifikasi penyakit tanaman dan memiliki potensi untuk diterapkan pada sistem deteksi otomatis berbasis citra guna mendukung pertanian presisi secara real-time.]]>
Copyrights © 2025
