Tamayasa, Kadek Agus (2026) PERBANDINGAN MODEL ARSITEKTUR MOBILENETV2 DAN RESNET-50 PADA KLASIFIKASI PENYAKIT DAUN STROBERI DI DESA PANCASARI. Undergraduate thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
2215101028-COVER.pdf Download (2MB) |
|
Text (ABSTRAK)
2215101028-ABSTRAK.pdf Download (364kB) |
|
Text (BAB 1 PENDAHULUAN)
2215101028-BAB 1 PENDAHULUAN.pdf Download (503kB) |
|
Text (BAB 2 KAJIAN TEORI)
2215101028-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (870kB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
2215101028-BAB 3 METODELOGI PENELITIAN.pdf Restricted to Repository staff only Download (611kB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
2215101028-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (2MB) | Request a copy |
|
Text (BAB 5 PENUTUP)
2215101028-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (485kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
2215101028-DAFTAR PUSTAKA.pdf Download (465kB) |
|
Text (LAMPIRAN)
2215101028-LAMPIRAN.pdf Download (991kB) |
Abstract
Pertanian merupakan salah satu sektor yang berperan penting dalam memenuhi kebutuhan pangan sekaligus mendukung pertumbuhan ekonomi masyarakat. Pada bidang hortikultura, stroberi termasuk komoditas bernilai ekonomi tinggi yang banyak dibudidayakan, salah satunya di Desa Pancasari, Kabupaten Buleleng. Produktivitas tanaman stroberi dapat menurun akibat serangan berbagai penyakit daun, seperti bercak daun, gosong daun, dan embun tepung. Proses identifikasi penyakit yang masih mengandalkan pengamatan visual memiliki keterbatasan dari segi waktu, akurasi, dan efisiensi, terutama ketika jumlah tanaman yang diamati cukup banyak. Berdasarkan kondisi tersebut, penelitian ini bertujuan membandingkan performa arsitektur MobileNetV2 dan ResNet-50 dalam mengklasifikasikan penyakit daun stroberi. Dataset yang digunakan terdiri atas 400 citra daun stroberi yang diperoleh melalui pengambilan data secara langsung di Desa Pancasari dan dikelompokkan ke dalam empat kelas, yaitu bercak daun, gosong daun, embun tepung, dan daun sehat. Kedua arsitektur dikembangkan menggunakan pendekatan transfer learning dengan memanfaatkan model pre-trained ImageNet. Proses pelatihan dilakukan melalui empat kombinasi hyperparameter, yaitu learning rate 0.0001 dan 0.00001 serta batch size 16 dan 32, dengan jumlah epoch maksimum sebanyak 50. Hasil penelitian menunjukkan bahwa konfigurasi terbaik MobileNetV2 diperoleh pada learning rate 0.0001 dan batch size 16 dengan akurasi training 94%, akurasi validasi 95%, akurasi pengujian 93%, dan average AUC 0.996. Sementara itu, konfigurasi terbaik ResNet-50 menggunakan learning rate 0.0001 dan batch size 32, dengan akurasi training 99%, akurasi validasi 96%, akurasi pengujian 99%, serta average AUC 1.000. Berdasarkan hasil tersebut, ResNet-50 memberikan performa klasifikasi yang lebih baik dibandingkan MobileNetV2. Model dengan performa terbaik selanjutnya diimplementasikan ke dalam aplikasi berbasis web menggunakan Streamlit sehingga proses klasifikasi penyakit daun stroberi dapat dilakukan secara lebih cepat dan praktis.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Penyakit daun stroberi, Deep Learning, Klasifikasi citra, MobileNetV2, ResNet-50 |
| Subjects: | Q Science > QA Mathematics > QA76 Computer software S Agriculture > S Agriculture (General) T Technology > T Technology (General) |
| Divisions: | Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Ilmu Komputer (S1) |
| Depositing User: | Kadek Agus Tamayasa |
| Date Deposited: | 10 Jul 2026 03:12 |
| Last Modified: | 10 Jul 2026 03:12 |
| URI: | http://repo.undiksha.ac.id/id/eprint/30747 |
Actions (login required)
 |
View Item |