SISTEM DETEKSI PENYAKIT PADA DAUN TANAMAN TIMUN MENGGUNAKAN TRANSFER LEARNING XCEPTION

Abstract

Deteksi penyakit pada tanaman merupakan tantangan penting dalam bidang pertanian, khususnya dalam menjaga kesehatan tanaman. Salah satu metode yang semakin berkembang adalah pemanfaatan teknologi kecerdasan buatan untuk menganalisis citra dan mendeteksi penyakit tanaman secara otomatis. Penelitian ini bertujuan mengembangkan sistem deteksi penyakit daun timun menggunakan metode transfer learning dengan arsitektur Convolutional Neural Network (CNN) Xception. Dataset yang digunakan terdiri dari 4.800 gambar daun timun, yang dibagi menjadi 80% untuk pelatihan dan 20% untuk pengujian. Model CNN Xception yang dilatih menunjukkan akurasi pelatihan sebesar 99,79% dan akurasi pengujian sebesar 93,23%. Aplikasi ini diimplementasikan menggunakan framework Flask, yang memungkinkan pengguna untuk mengunggah gambar daun timun dan mendapatkan hasil prediksi penyakit secara langsung melalui platform web. sistem ini memberikan kontribusi signifikan dalam mempermudah deteksi penyakit daun timun secara cepat dan efisien, sehingga mendukung modernisasi sektor pertanian.