Perbandingan Performa Model Baseline dan Optimasi Hyperparameter EfficientNetB0 dalam Identifikasi Penyakit Daun Cabai

Firma Nahwa Firdaus (Universitas Nusantara PGRI Kediri)
Risa Helilintar (Universitas Nusantara PGRI Kediri)
Rony Heri Irawan (Universitas Nusantara PGRI Kediri)

Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026

Penyakit daun cabai sering menyebabkan gagal panen, namun deteksi manual sering kali tidak akurat. Penelitian ini penting untuk menghadirkan solusi identifikasi otomatis berbasis kecerdasan buatan. Metode yang digunakan adalah arsitektur deep learning EfficientNet-B0 dengan membandingkan model baseline dan pengujian fine-tuning. Hasil penelitian menunjukkan model baseline mengalami overfitting dengan akurasi 62% akibat keterbatasan dataset lokal. Setelah optimasi fine-tuning dengan menurunkan laju belajar, akurasi global meningkat menjadi 65%. Model berhasil mengenali kelas virus keriting dengan sangat baik, meski kelas cercospora masih terkendala akibat kemiripan visual ekstrem dengan bacterial spot. Penelitian ini menyimpulkan bahwa modifikasi parameter mampu memperbaiki pengenalan bentuk daun keriting pada data kecil. Hasil ini penting sebagai fondasi pengembangan sistem deteksi penyakit tanaman lokal yang lebih adaptif.