ANALISIS PERFORMA MOTODE CNN ARSITEKTUR MOBILENET DAN ARSITEKTUR MOBILENETV2 UNTUK PENGENALAN PENYAKIT TANAMAN BAWANG MERAH

Prahesta, Hadi Rizky Dwi Via (2025) ANALISIS PERFORMA MOTODE CNN ARSITEKTUR MOBILENET DAN ARSITEKTUR MOBILENETV2 UNTUK PENGENALAN PENYAKIT TANAMAN BAWANG MERAH. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full Text) RAMA_55201_2113020098.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (2MB) | Request a copy
	Text (Similarity) RAMA_55201_2113020098_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (964kB)
	Text (Cover sd BAB 1 + References) RAMA_55201_2113020098_0708028704_0701107802_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (771kB)
	Text (BAB 2) RAMA_55201_2113020098_0708028704_0701107802_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (336kB) | Request a copy
	Text (BAB 3) RAMA_55201_2113020098_0708028704_0701107802_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (380kB) | Request a copy
	Text (BAB 4) RAMA_55201_2113020098_0708028704_0701107802_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (718kB) | Request a copy
	Text (BAB 5) RAMA_55201_2113020098_0708028704_0701107802_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (156kB) | Request a copy
	Text (References) RAMA_55201_2113020098_0708028704_0701107802_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (153kB)
	Text (Lampiran) RAMA_55201_2113020098_0708028704_0701107802_07_lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (720kB) | Request a copy

Abstract

Penelitian ini bertujuan untuk menganalisis dan membandingkan performa arsitektur CNN MobileNet dan MobileNetV2 dalam mengenali penyakit tanaman bawang merah. Dataset yang digunakan terdiri dari 250 citra yang terbagi ke dalam empat kelas penyakit: normal, ulat, jamur daun, dan busuk bawah. Model dilatih menggunakan pendekatan transfer learning dengan bobot awal dari ImageNet, serta diterapkan teknik augmentasi citra untuk meningkatkan variasi data. Pelatihan dilakukan dalam tiga skenario: 20 epoch, 30 epoch, dan EarlyStopping. Hasil evaluasi menunjukkan bahwa MobileNet dengan EarlyStopping mencapai akurasi tertinggi sebesar 92%, diikuti oleh MobileNetV2 pada skenario yang sama dengan akurasi 92%. Namun, MobileNetV2 gagal belajar efektif dalam skenario tanpa regulasi. Penelitian ini menyimpulkan bahwa penerapan strategi pelatihan yang tepat sangat memengaruhi performa model dan bahwa arsitektur MobileNet memberikan hasil terbaik secara keseluruhan dalam konteks deteksi penyakit bawang merah. Evaluasi dilakukan dengan metrik akurasi, presisi, recall, F1-score, dan visualisasi confusion matrix serta grafik akurasi. Sistem dikembangkan menggunakan Python dan TensorFlow/Keras dalam platform Google Colab.

Actions (login required)

View Item