Dianto, Alfian Rachmad (2025) ANALISIS PERBANDINGAN KLASIFIKASI CITRA PENYAKIT PADA DAUN JERUK MENGGUNAKAN ALGORITMA MOBILENETV3-LARGE DAN EFFICIENTNET-B0. Undergraduate thesis, Universitas Pembangunan Nasional 'Veteran' Jawa Timur.
![[img]](https://repository.upnjatim.ac.id/style/images/fileicons/text.png) |
Text (Cover)
20081010011-cover.pdf Download (1MB) |
|
Text (Bab 1)
20081010011-bab1.pdf Download (254kB) |
|
Text (Bab 2)
20081010011-bab2.pdf Restricted to Repository staff only until 18 July 2027. Download (679kB) | Request a copy |
|
Text (Bab 3)
20081010011-bab3.pdf Restricted to Repository staff only until 18 July 2027. Download (1MB) | Request a copy |
|
Text (Bab 4)
20081010011-bab4.pdf Restricted to Repository staff only until 18 July 2027. Download (1MB) | Request a copy |
|
Text (Bab 5)
20081010011-bab5.pdf Download (211kB) |
|
Text (Daftar pustaka)
20081010011-daftarpustaka.pdf Download (199kB) |
|
Text (Lampiran)
20081010011-lampiran.pdf Restricted to Repository staff only Download (2MB) | Request a copy |
Abstract
Jeruk (Citrus spp.) merupakan salah satu komoditas buah yang banyak dikonsumsi oleh masyarakat karena kandungan nutrisinya yang tinggi. Namun demikian, tantangan budidaya jeruk adalah serangan penyakit yang menyebabkan gagal panen. Tujuan dari penelitain ini adalah untuk mengevaluasi efisiensi dan kinerja algoritma MobileNetV3-Large serta EfficientNet-B0 dalam melakukan klasifikasi citra penyakit pada daun jeruk, baik menggunakan data yang diperoleh secara mandiri maupun dari platform terbuka seperti Kaggle. Penelitian ini juga bertujuan untuk membandingkan kedua arsitektur guna menentukan model yang paling sesuai untuk dikembangkan lebih lanjut sebagai sistem klasifikasi berbasis website atau aplikasi mobile yang efektif dan efisien. Metode penelitian ini menggunakan pendekatan kuantitatif eksperimental. Model diuji melalui skenario variasi hyperparameter dan optimizer, kemudian dievaluasi menggunakan metrik Accuracy, Precision, Recall, dan F1-score. Penelitian ini menunjukkan bahwa algoritma MobileNetV3-Large dan EfficientNet-B0 efektif dalam mengklasifikasi citra penyakit daun jeruk, baik pada data mandiri maupun data Kaggle. Hasil terbaik diperoleh pada rasio data 70-20-10, optimizer RMSprop, dan learning rate 0,1 dengan early stopping. Analisis distribusi kombinasi terbaik juga merekomendasikan konfigurasi 60-30-10, optimizer Adam, learning rate 0,1, dan epoch 15 atau 30. Kombinasi ini dinilai optimal untuk klasifikasi citra dengan data terbatas dan distribusi kelas tidak seimbang.
| Item Type: | Thesis (Undergraduate) | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||||||||
| Subjects: | Q Science > QA Mathematics > QA76.6 Computer Programming Q Science > QA Mathematics > QA76.87 Neural computers S Agriculture > SB Plant culture > SB599-990.5 Pests and Diseases |
||||||||||||
| Divisions: | Faculty of Computer Science > Departemen of Informatics | ||||||||||||
| Depositing User: | Alfian Rachmad Dianto | ||||||||||||
| Date Deposited: | 18 Jul 2025 07:49 | ||||||||||||
| Last Modified: | 18 Jul 2025 07:49 | ||||||||||||
| URI: | https://repository.upnjatim.ac.id/id/eprint/38888 |
Actions (login required)
 |
View Item |