KOMPARASI PERFORMA RESNET-50 DAN MOBILENETV2 UNTUK KLASIFIKASI PENYAKIT DAUN JERUK

Harjuno, Raden Adityo Priyo (2026) KOMPARASI PERFORMA RESNET-50 DAN MOBILENETV2 UNTUK KLASIFIKASI PENYAKIT DAUN JERUK. ["eprint_fieldopt_thesis_type_skripsi" not defined] thesis, Institut Teknologi Nasional Malang.

	Text 2218093_COVER.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (571kB)
	Text 2218093_ BAB I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (199kB)
	Text 2218093_BAB II.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (573kB) | Request a copy
	Text 2218093_BAB III.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (551kB) | Request a copy
	Text 2218093_BAB IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Request a copy
	Text 2218093_BAB V.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (193kB) | Request a copy
	Text 2218093_DAFTAR PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (120kB)
	Text 2218093_ LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (827kB) | Request a copy

Abstract

Keterbatasan pengamatan visual dan faktor subjektivitas dalam diagnosis manual penyakit daun jeruk dapat berdampak pada penurunan produktivitas tanaman jika tidak ditangani sejak dini. Guna mengatasi permasalahan tersebut, studi ini melakukan analisis perbandingan performa antara arsitektur ResNet-50 dan MobileNetV2 berbasis transfer learning. Dataset yang digunakan telah melalui proses penyesuaian ukuran (resizing), normalisasi nilai piksel, serta augmentasi citra sebelum diaplikasikan pada model. Parameter evaluasi mencakup metrik performa klasifikasi dan tingkat efisiensi komputasi model. Berdasarkan pengujian, ResNet-50 mengungguli kompetisi dengan perolehan akurasi mencapai 99%. Sementara itu, MobileNetV2 mampu menghasilkan akurasi kompetitif sebesar 96% dengan keunggulan struktural berupa jumlah parameter yang hanya 10,15% serta waktu inferensi sebesar 76% dari total milik ResNet-50. Hasil ini menegaskan bahwa ResNet-50 unggul dalam presisi klasifikasi, sedangkan MobileNetV2 menjadi opsi terbaik untuk implementasi sistem berbasis web karena efisiensi komputasinya yang tinggi.

Item Type:	Thesis (["eprint_fieldopt_thesis_type_skripsi" not defined])
Additional Information:	Raden Adityo Priyo Harjuno (2218093)
Uncontrolled Keywords:	CNN, MobileNetV2, Penyakit Daun Jeruk ,ResNet-50, Transfer Learning
Subjects:	Engineering > Informatics Engineering
Divisions:	Fakultas Teknologi Industri > Teknik Informatika S1 > Teknik Informatika S1(Skripsi)
Depositing User:	RADEN ADITYO PRIYO HARJUNO
Date Deposited:	11 Aug 2026 01:53
Last Modified:	11 Aug 2026 01:53
URI:	http://eprints.itn.ac.id/id/eprint/16362

Actions (login required)

View Item