PERBANDINGAN MODEL KLASIFIKASI PENYAKIT DAUN BAKAU MENGGUNAKAN ARSITEKTUR VGG16 DAN MOBILNETV2
DOI:
https://doi.org/10.23960/jitet.v14i1.8816Abstract Views: 55 File Views: 24
Keywords:
CNN, Penyakit Daun Bakau, VGG16, MobileNetV2Abstract
Penelitian ini bertujuan membandingkan kinerja arsitektur Convolutional Neural Network (CNN) VGG16 dan MobileNetV2 dalam klasifikasi penyakit daun bakau jenis Ceriops tagal berbasis citra digital. Penyakit daun bakau menjadi salah satu faktor utama degradasi ekosistem mangrove karena berdampak langsung pada proses fotosintesis dan pertumbuhan tanaman. Dataset yang digunakan terdiri dari 821 citra daun bakau yang diklasifikasikan ke dalam empat kelas, yaitu daun sehat, bercak putih, bercak hitam, dan daun diserang hama. Kedua model dilatih menggunakan pendekatan transfer learning dengan evaluasi kinerja menerapkan metode 5-Fold Cross Validation pada dua skenario pelatihan, yaitu early stopping dan 50 epoch. Hasil penelitian menunjukkan bahwa MobileNetV2 dengan skenario early stopping memberikan performa terbaik dengan nilai accuracy dan macro average recall tertinggi sebesar 0,96 serta performa yang stabil pada seluruh fold pengujian. Sebaliknya, VGG16 hanya mencapai accuracy maksimum 0,79 pada skenario early stopping dan 0,87 pada skenario 50 epoch, namun menunjukkan variasi performa yang besar antar fold serta kecenderungan overfitting. Berdasarkan hasil tersebut, MobileNetV2 terbukti lebih andal, efisien, dan memiliki kemampuan generalisasi yang lebih baik dibandingkan VGG16 dalam klasifikasi penyakit daun bakau, sehingga berpotensi diterapkan sebagai sistem deteksi dini penyakit mangrove secara praktis dan berkelanjutan.
Downloads
References
L. Qadrini, “Penyuluhan Manfaat Bakau kepada Masyarakat Pesisir Desa Panyampa,” J. Abdi Masy. Indones., vol. 2, no. 2, pp. 719–726, 2022, doi: 10.54082/jamsi.316.
M. D. Spalding et al., “The State of Mangroves World’s Mangroves 2021,” 2021, [Online]. Available: www.mangrovealliance.organdwww.globalmangrovewatch.orgcontact:contact@mangrovealliance.orgmembership@mangrovealliance.org
R. O. Pamungkas, N. Rachmawati, and Susilawati, “Identifikasi Kesehatan Tanaman Bakau Laki (Rhizophora Mucronata Lamk) Di Desa Betung Kecamatan Kusan Hilir Kabupaten Tanah Bumbu Kalimantan Selatan,” J. Sylva Sci., vol. 02, no. 6, pp. 1123–1132, 2019.
A. P. Maulida, E. Agustina, P. P. Aceh, and T. Mangrove, “1) , 2) 1),” no. 2013, pp. 226–233, 2019.
A. A. Aznawi, M. Basyuni, D. S. Hanafiah, S. H. Larekeng, and S. P. Mulya Sari, “Impact of Pest and Diseases on Mangrove Forest Rehabilitation in Indonesia: A Review,” Online J. Biol. Sci., vol. 24, no. 4, pp. 728–738, 2024, doi: 10.3844/ojbsci.2024.728.738.
M. I. Fathur Rozi, N. O. Adiwijaya, and D. I. Swasono, “Identifikasi Kinerja Arsitektur Transfer Learning Vgg16, Resnet-50, Dan Inception-V3 Dalam Pengklasifikasian Citra Penyakit Daun Tomat,” J. Ris. Rekayasa Elektro, vol. 5, no. 2, p. 145, 2023, doi: 10.30595/jrre.v5i2.18050.
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.
A. S. Mashuri and A. Sunyoto, “Klasifikasi Penyakit Pada Daun Cabai Menggunakan Arsitektur VGG16,” vol. 6, no. 2, pp. 296–304, 2024, doi: 10.33650/jeecom.v4i2.
B. H. Nurhadi, “Tiruan Dan Deep learning Dalam Diagnosa Demam Berdarah Dan Tifus,” vol. 16, no. 2, 2024.
N. Wayan, Y. Wiani, I. M. A. Wirawan, K. Yota, and E. Aryanto, “Klasifikasi Gerakan Tangan Berbasis Sinyal sEMG,” JEPIN (Jurnal Edukasi dan Penelit. Inform., vol. 11, no. 1, pp. 121–128, 2025.
N. Putu Dita Ariani Sukma Dewi, M. Windu Antara Kesiman, I. Made Gede Sunarya, I. Gusti Ayu Agung Diatri Indradewi, and I. Gede Andika, “Classification of Herbal Plant Leaf Types Based on Lontar Usada Taru Pramana Using CNN,” Februari, vol. 23, no. 1, pp. 271–283, 2024.
P. A. Nugroho, I. Fenriana, and R. Arijanto, “Implementasi Deep learning Menggunakan Convolutional Neural Network (CNN) Pada Ekspresi Manusia,” Algor, vol. 2, no. 1, pp. 12–21, 2020.
G. S. Anom Mahartha, Aris Gunadi, “Analisis Hyperparameter Pada Klasifikasi Jenis Daging Menggunakan Algoritma Convolutional Neural Network,” J. Sains Komput. Inform. (J-SAKTI, vol. 8, no. 1, pp. 25–34, 2024.
D. Ayu Pusparani, M. Windu Antara Kesiman, and K. Yota Ernanda 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, pp. 86–93, 2025.
P. H. Setadewa et al., “Segmentasi Bangunan Perkotaan Pada Citra Satelit Beresolusi Tinggi : Cnn , U-Net ( Vgg16 ), Dan Deeplabv3 +,” vol. 4, no. 4, pp. 337–347, 2025.
G. A. Pratama et al., “Convolutional Neural Network Dan Faster Region Convolutional Neural Network,” vol. 12, no. 3, pp. 2776–2785, 2024.
S. Darmawan Putra Bahari and U. Latifa, “Klasifikasi Buah Segar Menggunakan Teknik Computer Vision Untuk Pendeteksian Kualitas Dan Kesegaran Buah,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 3, pp. 1567–1573, 2023, doi: 10.36040/jati.v7i3.6871.
I. P. A. Suputra, I. G. A. Gunadi, and I. M. G. Sunarya, “Hyperparameter Optimization with MobileNet Architecture and VGG Architecture for Urban Traffic Density Classification Using Bali Camera Image Data,” Sinkron, vol. 9, no. 3, pp. 1132–1145, 2025, doi: 10.33395/sinkron.v9i3.14971.
M. W. A. Kesiman, I. M. G. Sunarya, and I. G. L. T. Sumantara, “Comparative Analysis of CNN Methods for Periapical Radiograph Classification,” J. Nas. Pendidik. Tek. Inform., vol. 13, no. 2, pp. 204–214, 2024, doi: 10.23887/janapati.v13i2.71664.
A. S. Ardiansyah and A. Nugroho, “Klasifikasi Penyakit Daun Kopi Dengan Arsitektur MobileNetV2,” J. Ilmu Komput. dan Bisnis, vol. 14, no. 1, pp. 66–73, 2023, doi: 10.47927/jikb.v14i1.622.
K. A. Tazkira Turahman, Erfan Hasmin, “Analisis Perbandingan Metode Convolutional Neural Network (CNN) dan MobileNet dalam Klasifikasi Penyakit Daun Padi,” vol. 9, no. March, pp. 368–377, 2025.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Jurnal Informatika dan Teknik Elektro Terapan
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
