Perbandingan Arsitektur MobileNetV2 dan MobileNetV3 Dalam Klasifikasi Jenis Jeruk
Article Sidebar
Main Article Content
Abstract
Penelitian ini membandingkan performa MobileNetV2 dan MobileNetV3 dalam klasifikasi tiga jenis jeruk: Lemon, Jeruk Manis, dan Jeruk Nipis, menggunakan dataset 1.500 gambar. Dataset dikumpulkan selama tiga bulan dengan kamera DSLR, mencakup variasi dalam ukuran, warna, dan tekstur. Penelitian ini melibatkan pengumpulan, pembersihan, augmentasi gambar, pelatihan, dan evaluasi model. Kedua model dilatih dengan parameter yang sama, termasuk 5, 10, 15, dan 20 epoch. Hasilnya menunjukkan bahwa MobileNetV2 jauh lebih unggul dengan rata-rata akurasi 99,33%, dibandingkan MobileNetV3 yang hanya mencapai 42,97%. MobileNetV2 juga lebih efisien dalam penggunaan sumber daya komputasi, menjadikannya lebih cocok untuk aplikasi praktis. Penelitian ini menyimpulkan bahwa MobileNetV2 lebih efektif dalam klasifikasi jenis jeruk dan dapat diimplementasikan dalam industri pertanian dan makanan. Penelitian lanjutan dapat menambah kelas buah dan menggunakan augmentasi data yang lebih canggih untuk meningkatkan akurasi.
Downloads
Article Details
[2] Yazid Fauzan Nur Ashfani, Yovi Litanianda, and Rizqy Amalia Putri, “Klasifikasi Jenis Buah Jeruk Menggunakan Metode Convolutional Neural Network: Deep Learning Studi,” Uranus J. Ilm. Tek. Elektro Sains Dan Inform., vol. 2, no. 2, pp. 70–79, Jun. 2024, doi: 10.61132/uranus.v2i2.129.
[3] S. Z. M. Zaki, M. Asyraf Zulkifley, M. Mohd Stofa, N. A. M. Kamari, and N. Ayuni Mohamed, “Classification of tomato leaf diseases using MobileNet v2,” IAES Int. J. Artif. Intell. IJ-AI, vol. 9, no. 2, p. 290, Jun. 2020, doi: 10.11591/ijai.v9.i2.pp290-296.
[4] C. Bi, J. Wang, Y. Duan, B. Fu, J.-R. Kang, and Y. Shi, “MobileNet Based Apple Leaf Diseases Identification,” Mob. Netw. Appl., vol. 27, no. 1, pp. 172–180, Feb. 2022, doi: 10.1007/s11036-020-01640-1.
[5] H. Hendriyana and Y. H. Maulana, “Identification of types of wood using convolutional neural network with MobileNet architecture,” J. RESTI Rekayasa Sist. Dan Teknol. Inf., vol. 4, no. 1, pp. 70–76, 2020.
[6] S. Supria, “Sistem Klasifikasi Jenis Jeruk Impor Menggunakan Metode Klasifikasi Logarithmic Generalized Classifier Neural Network (LGCNN),” Techno.Com, vol. 18, no. 3, pp. 190–202, Aug. 2019, doi: 10.33633/tc.v18i3.2374.
[7] F. Jiang, Y. Lu, Y. Chen, 蔡迪 C., and G. Li, “Image recognition of four rice leaf diseases based on deep learning and support vector machine,” Comput. Electron. Agric., vol. 179, p. 105824, Dec. 2020, doi: 10.1016/j.compag.2020.105824.
[8] R. P. Ramadhan and N. L. Marpaung, “IDENTIFIKASI JENIS PENYAKIT DAUN TANAMAN JAGUNG MENGGUNAKAN JARINGAN SARAF TIRUAN BERBASIS BACKPROPAGATION,” vol. 6, 2019.
[9] K. P. Siwilopo and H. Marcos, “MEMBANDINGKAN KLASIFIKASI PADA BUAH JERUK MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK DAN K-NEAREST NEIGHBOR,” Komputa J. Ilm. Komput. Dan Inform., vol. 12, no. 1, pp. 57–64, May 2023, doi: 10.34010/komputa.v12i1.9068.
[10] A. Purnama, S. Bahri, G. Gunawan, T. Hidayatulloh, and S. Suhada, “Implementation of Deep Learning for Handwriting Imagery of Sundanese Script Using Convolutional Neural Network Algorithm (CNN),” Ilk. J. Ilm., vol. 14, no. 1, pp. 10–16, Apr. 2022, doi: 10.33096/ilkom.v14i1.989.10-16.
[11] G. H. Herlambang, A. Nugroho, and B. Zaman, “KLASIFIKASI PERKIRAAN KELULUSAN MAHASISWA JENJANG MAGISTER MENGGUNAKAN METODE NAÏVE BAYES,” vol. 5, 2020.
[12] 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, May 2023, doi: 10.47927/jikb.v14i1.622.
[13] Q. Aini, N. Lutfiani, H. Kusumah, and M. S. Zahran, “Deteksi dan Pengenalan Objek Dengan Model Machine Learning: Model Yolo,” CESS J. Comput. Eng. Syst. Sci., vol. 6, no. 2, p. 192, Jul. 2021, doi: 10.24114/cess.v6i2.25840.
[14] A. R. Pratama, M. Mustajib, and A. Nugroho, “Deteksi Citra Uang Kertas dengan Fitur RGB Menggunakan K-Nearest Neighbor,” J. Eksplora Inform., vol. 9, no. 2, pp. 163–172, Mar. 2020, doi: 10.30864/eksplora.v9i2.336.
[15] A. R. Fahcruroji, Madona Yunita Wijaya, and Irma Fauziah, “IMPLEMENTASI ALGORITMA CNN MOBILENET UNTUK KLASIFIKASI GAMBAR SAMPAH DI BANK SAMPAH,” PROSISKO J. Pengemb. Ris. Dan Obs. Sist. Komput., vol. 11, no. 1, pp. 45–51, Mar. 2024, doi: 10.30656/prosisko.v11i1.8101.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.