ANALISIS PERBANDINGAN MODEL ARSITEKTUR MOBILENETV2 DAN EFFICIENTNETB3 DALAM KLASIFIKASI PENYAKIT DAUN JAGUNG

Kadek Agus Tamayasa; Luh Joni Erawati Dewi

doi:10.23960/jitet.v14i1.8624

Authors

Kadek Agus Tamayasa Universitas Pendidikan Ganesha
Luh Joni Erawati Dewi Universitas Pendidikan Ganesha

DOI:

https://doi.org/10.23960/jitet.v14i1.8624

Abstract Views: 88 File Views: 47

Keywords:

Penyakit Daun Jagung, Convolutional Neural Network, MobileNetV2, EfficientNetB3, Klasifikasi

Abstract

Jagung merupakan komoditas pertanian strategis nasional yang produktivitasnya sering menurun akibat serangan penyakit daun, seperti bercak daun, karat daun, dan hawar daun. Identifikasi penyakit secara manual bersifat subjektif dan kurang efisien, sehingga diperlukan pendekatan otomatis berbasis deep learning. Penelitian ini bertujuan membandingkan kinerja arsitektur Convolutional Neural Network (CNN) MobileNetV2 dan EfficientNetB3 dalam klasifikasi penyakit daun jagung. Dataset yang digunakan terdiri atas 2.000 citra daun jagung dari Kaggle yang melalui tahapan pembersihan, pemishan, resize dan augmentasi, serta dilatih menggunakan variasi batch size dan jumlah epoch. Hasil eksperimen menunjukkan bahwa MobileNetV2 mencapai performa terbaik pada konfigurasi batch size 32 dan epoch 50 dengan akurasi pelatihan 99,85%, validasi 97,22%, dan pengujian 96,50%. Sementara itu, EfficientNetB3 memperoleh performa optimal pada batch size 16 dan epoch 50 dengan akurasi pelatihan 94,23%, validasi 92,22%, dan pengujian 93,00%. Temuan ini menunjukkan bahwa MobileNetV2 lebih efektif dan stabil untuk pengembangan sistem deteksi dini penyakit daun jagung berbasis citra.

Downloads

Download data is not yet available.

References

B. Widianto, E. Utami, and D. Ariatmanto, “Identifikasi Penyakit Tanaman Jagung Berdasarkan Citra Daun Menggunakan Convolutional Neural Network Identification of Corn Plant Diseases Based on Leaf Image Using Convolutional Neural Network,” Agustus, vol. 22, no. 3, pp. 599–608, 2023.

S. I. A. P. Pande, Putu Ony Andewi, Gede Arya Ardivan Pratama Saputra, Werdyana Guna Mertha, and Agus Aan Jiwa Permana, “Klasifikasi Tanaman Pinus Berbasis Forward,” JPTE J. Pendidik. Tek. Elektro, vol. 13, no. 11, pp. 142–156, 2024.

N. P. Dita Ariani Sukma Dewi, I. G. Hendrayana, and I Wayan Agus Weda Kusuma Putra, “Optimasi Hyperparameter Convolutional Neural Network Dengan Arsitektur Mobilenet Pada Klasifikasi Penyakit Daun Jagung,” J. Mnemon., vol. 8, no. 1, pp. 92–99, 2025, doi: 10.36040/mnemonic.v8i1.11744.

M. I. Rosadi and M. Lutfi, “Identifikasi Jenis Penyakit Daun Jagung Menggunakan Deep Learning Pre-Trained Model,” J. Explor. IT!, vol. 13, no. 2, pp. 36–42, 2021, [Online]. Available: https://doi.org/10.35891/explorit

A. B. Prakosa, Hendry, and R. Tanone, “Implementasi Model Deep Learning Convolutional Neural Network (CNN) Pada Citra Penyakit Daun Jagung Untuk Klasifikasi Penyakit Tanaman,” J. Pendidik. Teknol. Inf., vol. 6, no. 1, pp. 107–116, 2023.

W. Maximilliano and N. Rachmat, “Comparative Analysis of MobileNetV3-Large and Small for Corn Leaf Disease Classification,” Brill. Res. Artif. Intell., vol. 5, no. 1, pp. 325–332, 2025, doi: 10.47709/brilliance.v5i1.6259.

I. P. Putra, R. Rusbandi, and D. Alamsyah, “Klasifikasi Penyakit Daun Jagung Menggunakan Metode Convolutional Neural Network,” J. Algoritm., vol. 2, no. 2, pp. 102–112, 2022, doi: 10.35957/algoritme.v2i2.2360.

H. Herwina, D. Darmatasia, A. K. A. Shiddiq, and T. D. Syahputra, “Deteksi Penyakit pada Tanaman Padi Menggunakan MobileNet Transfer Learning Berbasis Android,” Jagti, vol. 2, no. 2, pp. 1–8, 2022, [Online]. Available: https://tin.fst.uin-alauddin.ac.id/jurnal/index.php/agents/article/view/41

F. B. Pasaribu, L. J. E. Dewi, K. Y. E. Aryanto, and P. Varnakovida, “Effect of Synthetic Data Augmentation on Plant Classification Accuracy Using MobileNetV2, EfficientNet-B0, and ResNet-18,” 2025 IEEE 5th Int. Conf. Softw. Eng. Artif. Intell. SEAI 2025, pp. 1–6, 2025, doi: 10.1109/SEAI65851.2025.11108883.

F. Zaelani and Y. Miftahuddin, “Perbandingan Metode EfficientNetB3 dan MobileNetV2 Untuk Identifikasi Jenis Buah-buahan Menggunakan Fitur Daun,” J. Ilm. Teknol. Infomasi Terap., vol. 9, no. 1, pp. 1–11, 2022, doi: 10.33197/jitter.vol9.iss1.2022.911.

Q. N. Azizah, “Klasifikasi Penyakit Daun Jagung Menggunakan Metode Convolutional Neural Network AlexNet,” sudo J. Tek. Inform., vol. 2, no. 1, pp. 28–33, 2023, doi: 10.56211/sudo.v2i1.227.

M. A. N. Hidayat, Kusrini, and Hanafi, “Convolutional Neural Network Pada Identifikasi Varian Tanaman Anggur Menggunakan Resnet-50,” J. Tek. Inform. dan Sist. Inf., vol. 10, no. 3, pp. 61–70, 2023, [Online]. Available: https://jurnal.mdp.ac.id/index.php/jatisi/article/download/4789/1531

D. Ramayanti, D. Asri, and L. Lionie, “Implementasi Model Arsitektur VGG16 dan MobileNetV2 Untuk Klasifikasi Citra Kupu-Kupu Article Info ABSTRAK,” JSAI J. Sci. Appl. Informatics, vol. 5, no. 3, pp. 182–187, 2022.

W. G. Pamungkas, M. Iqbal, P. Wardhana, Z. Sari, and Y. Azhar, “JURNAL RESTI,” vol. 5, no. 158, pp. 326–333, 2023.

F. Rajeena P. P, A. S. U, M. A. Moustafa, and M. A. S. Ali, “Detecting Plant Disease in Corn Leaf Using EfficientNet Architecture—An Analytical Approach,” Electron., vol. 12, no. 8, 2023, doi: 10.3390/electronics12081938.

M. Fauzan Novriandy, B. Rahmat, and A. Junaidi, “Klasifikasi Citra Penyakit Kanker Mulut Menggunakan Arsitektur Resnet50 Optimasi Adam Dan Sgd,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 3, 2024, doi: 10.23960/jitet.v12i3.4732.

N. P. K. Dewi, P. H. Suputra, A. A. G. Y. Paramartha, L. J. E. Dewi, P. Varnakovida, and K. Y. E. Aryanto, “River Area Segmentation Using Sentinel-1 SAR Imagery with Deep-Learning Approach,” Geomatics Environ. Eng., vol. 19, no. 4, pp. 39–63, 2025, doi: 10.7494/geom.2025.19.4.39.

S. Muhammad Syadham and M. Akbar, “Klasifikasi Citra Biji Kopi Temanggung Menggunakan Gray Level Co-Ocurrence Matrix – Convolutional Neural Network,” J. Inform. dan Tek. Elektro Terap., vol. 13, no. 3, 2025, doi: 10.23960/jitet.v13i3.7274.

D. A. Pusparani, M. W. A. Kesiman, and K. Y. E. Aryanto, “Identification of Little Tuna Species Using Convolutional Neural Networks (CNN) Method and ResNet-50 Architecture,” Indones. J. Artif. Intell. Data Min., vol. 8, no. 1, p. 86, 2024, doi: 10.24014/ijaidm.v8i1.31620.

S. S. Rambe, A. Asriyanik, and P. Prajoko, “Penerapan Model Convolutional Neural Network ( Cnn ) Berbasis Mobilenetv2 Untuk,” JITET (Jurnal Inform. dan Tek. Elektro Ter., vol. 13, no. 3, 2025.

Y. Aufar and T. P. Kaloka, “Robusta coffee leaf diseases detection based on MobileNetV2 model,” Int. J. Electr. Comput. Eng., vol. 12, no. 6, pp. 6675–6683, 2022, doi: 10.11591/ijece.v12i6.pp6675-6683.

F. A. Arafat, D. P. Pamungkas, and P. Kasih, “Pemodelan Klasifikasi Penyakit Daun Tembakau Dengan Arsitektur MobileNetV2,” vol. 9, pp. 2549–7952, 2025.

E. Anggiratih, S. Siswanti, S. K. Octaviani, and A. Sari, “Klasifikasi Penyakit Tanaman Padi Menggunakan Model Deep Learning Efficientnet B3 dengan Transfer Learning,” J. Ilm. SINUS, vol. 19, no. 1, p. 75, 2021, doi: 10.30646/sinus.v19i1.526.

H. Alhichri, A. S. Alswayed, Y. Bazi, N. Ammour, and N. A. Alajlan, “Classification of Remote Sensing Images Using EfficientNetB3 CNN Model with Attention,” IEEE Access, vol. 9, pp. 14078–14094, 2021, doi: 10.1109/ACCESS.2021.3051085.

I. K. N. Ananda, N. Putu, N. Puspa, N. W. Marti, L. Joni, and E. Dewi, “JOURNAL OF APPLIED COMPUTER SCIENCE AND TECHNOLOGY ( JACOST ) Klasifikasi Multilabel Pada Gaya Belajar Siswa Sekolah Dasar Menggunakan Algoritma Machine Learning,” vol. 5, no. 2, pp. 144–154, 2024.

D. Prima, H. Putri, N. Putu, N. Puspa, I. K. Purnamawan, and N. W. Marti, “Perbandingan Performansi Support Vector Machine ( Svm ) dan Backpropagation untuk Klasifikasi Studi,” vol. 9, no. 3, pp. 492–501, 2023.

I. M. G. Vedanty, Putu Prianka, Kesiman, Made Windu Antara, Sunarya, “PENGARUH DATA AUGMENTASI PADA IDENTIFIKASI PENYAKIT DAUN TANAMAN OBAT MENGGUNAKAN K-NEAREST NEIGHBOR,” vol. 9, no. 2, pp. 2094–2100, 2025.