Analisis Performa InceptionV3 Berbasis Transfer Learning untuk Klasifikasi Penyakit Daun Tebu

Muhammad Fernanda Mulya Putra (Universitas Nusantara PGRI Kediri)
Danang Wahyu Widodo (Universitas Nusantara PGRI Kediri)
Patmi Kasih (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 tebu dapat menurunkan produktivitas tanaman dan memerlukan identifikasi yang cepat serta akurat untuk mendukung pengelolaan tanaman yang efektif. Penelitian ini bertujuan menganalisis performa InceptionV3 berbasis transfer learning dalam mengklasifikasikan penyakit daun tebu menggunakan citra digital. Dataset yang digunakan terdiri atas 1.999 citra daun tebu yang dikelompokkan ke dalam empat kelas, yaitu Mosaic, RedRot, Rust, dan Yellow. Dataset dibagi menjadi data latih, validasi, dan uji dengan rasio 70:15:15. Proses pelatihan dilakukan melalui dua fase, yaitu feature extraction dan fine-tuning, serta didukung penerapan augmentasi data untuk meningkatkan kemampuan generalisasi model. Hasil pengujian menunjukkan bahwa model mampu menghasilkan akurasi sebesar 86,18 persen dengan nilai precision, recall, dan F1-score yang seimbang. Temuan ini menunjukkan bahwa InceptionV3 berbasis transfer learning efektif digunakan untuk klasifikasi penyakit daun tebu dan berpotensi mendukung pengembangan sistem identifikasi penyakit tanaman berbasis kecerdasan buatan.