ANALISIS EFEKTIFITAS ALGORITMA MOBILENETV3-LARGE DAN EFFICIENTNET-B0 UNTUK KLASIFIKASI CITRA PENYAKIT DAUN JERUK

Alfian Rachmad Dianto; Fetty Tri Anggraeny; Hendra Maulana

doi:10.23960/jitet.v13i3.6956

Authors

Alfian Rachmad Dianto UPN "Veteran" Jawa Timur
Fetty Tri Anggraeny Universitas Pembangunan Nasional 'Veteran' Jawa Timur
Hendra Maulana Universitas Pembangunan Nasional 'Veteran' Jawa Timur

DOI:

https://doi.org/10.23960/jitet.v13i3.6956

Abstract Views: 141 File Views: 127

Keywords:

MobileNetV3-Large, EfficientNet-B0, Klasifikasi, Citra, Analisis

Abstract

Meningkatnya konsumsi jeruk (Citrus spp.) di masyarakat menjadikan budidaya jeruk sebagai komoditas penting, namun rentan terhadap serangan penyakit yang dapat menyebabkan gagal panen. Penelitian ini bertujuan untuk mengevaluasi kinerja dan efisiensi algoritma MobileNet V3-Large dan Efficient Net-B0 dalam mengklasifikasi citra penyakit daun jeruk, baik dari data mandiri maupun data terbuka seperti Kaggle. Metode yang digunakan adalah pendekatan kuantitatif eksperimental dengan pengujian variasi hyperparameter, optimizer, dan skenario rasio data pelatihan, validasi, serta pengujian. Evaluasi model dilakukan menggunakan metrik Accuracy, Precision, Recall, dan F1-score. Hasil penelitian menunjukkan bahwa kedua arsitektur mampu melakukan klasifikasi citra secara efektif, dengan hasil terbaik diperoleh pada konfigurasi rasio data 70-20-10, optimizer RMSprop, dan learning rate 0,1 menggunakan early stopping. Konfigurasi alternatif yang juga direkomendasikan adalah rasio 60-30-10 dengan optimizer Adam dan epoch 15 atau 30. Temuan ini menunjukkan bahwa MobileNet V3-Large dan EfficientNet-B0 dapat diandalkan untuk sistem klasifikasi penyakit daun jeruk berbasis website atau aplikasi mobile, terutama pada kondisi data terbatas dan distribusi kelas yang tidak seimbang

Downloads

Download data is not yet available.

References

F. R. Lestari, I. Purwanti, N. Purnama, A. M. Sajiah, L. B. Aksara, dan J. T. Informatika, “IDENTIFIKASI PENYAKIT TANAMAN JERUK SIAM MENGGUNAKAN METODE M-SVM,” 2019.

A. Setiadi, A. Gafaruddin, dan A. Slamet, “Faktor-Faktor yang Mempengaruhi Produksi Usahatani Jeruk Manis Siam Madu (Citrus sinensis nobilis) di Desa Tanea Kecamatan Konda Kabupaten Konawe Selatan,” Jurnal Ilmiah Membangun Desa dan Pertanian, vol. 8, no. 3, hlm. 88–95, Mei 2023, doi: 10.37149/jimdp.v8i3.79.

F. Rahayu Lestari, J. Yusmah Sari, dan I. Purwanti Ningrum Purnama, DETEKSI PENYAKIT TANAMAN JERUK SIAM BERDASARKAN CITRA DAUN MENGGUNAKAN SEGMENTASI WARNA RGB-HSV. 2018. [Daring]. Tersedia pada: www.ti.eng.uho.ac.id

A. Setiyorini dan J. Yusmah Sari, “Perbaikan Kualitas Citra Untuk Klasifikasi Daun Menggunakan Metode Fuzzy K-Nearest Neighbor,” ULTIMATICS, vol. IX, no. 2, hlm. 129, 2017, [Daring]. Tersedia pada: www.theplantlist.org,

Ulfah Nur Oktaviana, Ricky Hendrawan, Alfian Dwi Khoirul Annas, dan Galih Wasis Wicaksono, “Klasifikasi Penyakit Padi berdasarkan Citra Daun Menggunakan Model Terlatih Resnet101,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 6, hlm. 1216–1222, Des 2021, doi: 10.29207/resti.v5i6.3607.

D. A. Pramudhita, F. Azzahra, K. Arfat, R. Magdalena, dan S. Saidah, “Strawberry Plant Diseases Classification Using CNN Based on MobileNetV3-Large and EfficientNet-B0 Architecture ARTICLE INFO ABSTRACT,” Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI), vol. 9, no. 3, hlm. 522–534, 2023, doi: 10.26555/jiteki.v9i3.26341.

B. U. Rusydi dan M. Rusli, “PEMANFAATAN TEKNOLOGI PERTANIAN DAN PENGARUHNYA TERHADAP PENDAPATAN PETANI,” Journal of Regional Economics, 2022.

D. Immanuel Salintohe, I. Alwiah Musdar, T. Informatika, dan S. Kharisma Makassar, “IMPLEMENTASI MACHINE LEARNING UNTUK MENGIDENTIFIKASI TANAMAN HIAS PADA APLIKASI TIERRA,” JTRISTE, vol. 9, no. 1, hlm. 1–15, 2022.

N. Faulina, “Implementation Of Artificial Neural Network (ANN) Classification In Type 2 Diabetes Mellitus Cases,” Sciencestatistics Journal of Statistics, Probability, and Its Application, vol. 2, no. 2, hlm. 80–92, 2024, [Daring]. Tersedia pada: https://scholar.ummetro.ac.id/index.php/sciencestatistics/index

F. Fitra Maulana dan N. Rochmawati, “Klasifikasi Citra Buah Menggunakan Convolutional Neural Network,” JINACS -(Journal of Informatics and Computer Science), 2019.

K. S. Dewi Linda dan A. Dwi Hartanto, “Studi Literatur Mengenai Klasifikasi Citra Kucing Dengan Menggunakan Deep Learning: Convolutional Neural Network (CNN),” Journal homepage: Journal of Electrical Engineering and Computer (JEECOM), vol. xx, No. xx, 2023, doi: 10.33650/jeecom.v4i2.

S. F. Chairunissa, “Klasifikasi Jenis Lebah Madu Menggunakan Metode Convolutional Neural Network,” JITTER- Jurnal Ilmiah Teknologi dan Komputer, vol. 4, no. 3, 2023.

A. Howard dkk., “Searching for MobileNetV3,” dalam Searching for MobileNetV3, 2019.

R. Retno Utami, U. Fadzilia Arifin, dan N. Putri, “The Application of Artificial Intelligence in Waste Classification as an Effort In Plastic Waste Management,” Jurnal Informatika dan Teknologi Informasi, vol. 21, no. 1, hlm. 1–13, 2024,doi:10.31515/telematika.v21i1.11977.

M. D. Purbolaksono, M. Irvan Tantowi, A. Imam Hidayat, dan A. Adiwijaya, “Perbandingan Support Vector Machine dan Modified Balanced Random Forest dalam Deteksi Pasien Penyakit Diabetes,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 2, hlm. 393–399, Apr 2021, doi: 10.29207/resti.v5i2.3008.