Text
Implementasi Arsitektur Xception dalam Klasifikasi Hama dan Penyakit pada Citra Buah Kakao
Kakao merupakan komoditas strategis Indonesia yang rentan terhadap serangan hama seperti kepik penghisap buah (Helopeltis), kutu putih, tupai, dan penyakit busuk buah, yang menyebabkan penurunan produktivitas dan kualitas biji kakao. Proses klasifikasi secara manual dinilai kurang efisien dan memiliki keterbatasan, sehingga dibutuhkan solusi berbasis teknologi cerdas. Penelitian ini mengembangkan model klasifikasi hama dan penyakit buah kakao menggunakan arsitektur Xception dengan pendekatan transfer learning dan fine tuning. Eksperimen dilakukan dengan membandingkan membandingkan beberapa kombinasi hyperparameter, seperti rasio pembagian dataset (70%:15%:15%, 70%:20%:10%, dan 80%:10%:10%), dua jenis optimizer (Adam dan Adamax), dua tahap learning rate (transfer learning: 0.001 dan 0.0001; fine tuning: 0.00008 dan 0.000008), serta dua kombinasi jumlah epoch (10 epoch transfer learning dan 10 epoch fine tuning, 20 epoch transfer learning dan 20 epoch fine tuning. Model terbaik diperoleh dengan konfigurasi Adam, learning rate pada pelatihan awal 0.001 dan fine-tuning 0.00008, 20 epoch pelatihan awal dan 20 epoch fine tuning, dan dataset split 70%:20%:10%. Model tersebut menghasilkan akurasi 97%, precision 97.11%, recall 97%, dan F1-score 97.01%. Model kemudian diimplementasikan dalam sistem berbasis web menggunakan Flask yang memungkinkan pengguna mengunggah citra dan memperoleh hasil klasifikasi secara otomatis. Hasil penelitian ini membuktikan bahwa arsitektur Xception efektif dalam melakukan proses klasifikasi citra buah kakao melalui teknologi computer vision dan deep learning.
No other version available