Analisis Komparatif MobileNet dan MobileViT untuk Klasifikasi Penyakit pada Daun Tanaman Berbasis Transfer Learning - Submit Jurnal

Maulida, Syifa (2026) Analisis Komparatif MobileNet dan MobileViT untuk Klasifikasi Penyakit pada Daun Tanaman Berbasis Transfer Learning - Submit Jurnal. Bachelor thesis, Institut Teknologi Kalimantan.

	Text 11221007_cover.pdf Download (248kB)
	Text 11221007_statement_of_authenticity.pdf Download (336kB)
	Text 11221007_publishing_agreement.pdf Download (261kB)
	Text 11221007_approval_sheet.pdf Download (396kB)
	Text 11221007_preface.pdf Download (277kB)
	Text 11221007_abstract_id.pdf Download (307kB)
	Text 11221007_abstract_en.pdf Restricted to Repository staff only until 3 October 2028. Download (265kB) | Request a copy
	Text 11221007_table_of_content.pdf Restricted to Repository staff only until 3 October 2028. Download (325kB) | Request a copy
	Text 11221007_illustrations.pdf Restricted to Repository staff only until 3 October 2028. Download (307kB) | Request a copy
	Text 11221007_tables.pdf Restricted to Repository staff only until 3 October 2028. Download (308kB) | Request a copy
	Text 11221007_notations.pdf Restricted to Repository staff only until 3 October 2028. Download (343kB) | Request a copy
	Text 11221007_chapter_1.pdf Restricted to Repository staff only until 3 October 2028. Download (343kB) | Request a copy
	Text 11221007_chapter_2.pdf Restricted to Repository staff only until 3 October 2028. Download (1MB) | Request a copy
	Text 11221007_chapter_3.pdf Restricted to Repository staff only until 3 October 2028. Download (819kB) | Request a copy
	Text 11221007_chapter_4.pdf Restricted to Repository staff only until 3 October 2028. Download (1MB) | Request a copy
	Text 11221007_conclusions.pdf Restricted to Repository staff only until 3 October 2028. Download (288kB) | Request a copy
	Text 11221007_bibliography.pdf Download (291kB)
	Text 11221007_enclosure.pdf Restricted to Repository staff only until 3 October 2028. Download (2MB) | Request a copy
	Text 11221007_paper.pdf Restricted to Repository staff only until 3 October 2028. Download (585kB) | Request a copy
	Text 11221007_presentation.pdf Restricted to Repository staff only until 3 October 2028. Download (8MB) | Request a copy
	Text 11221007_Form. TA-020.pdf Restricted to Repository staff only until 3 October 2028. Download (94kB) | Request a copy

Abstract

Penyakit daun tanaman merupakan tantangan serius bagi sektor pertanian karena dapat menyebabkan penurunan kualitas dan kuantitas hasil panen apabila tidak ditangani dengan cepat. Identifikasi penyakit di lapangan masih banyak dilakukan secara manual melalui pengamatan visual, sehingga bersifat subjektif, lambat, dan rentan terhadap kesalahan. Di sisi lain, penerapan Deep Learning sering terkendala oleh kebutuhan komputasi yang tinggi pada perangkat dengan sumber daya terbatas. Penelitian ini bertujuan melakukan analisis komparatif terhadap efektivitas klasifikasi dan efisiensi komputasi dua arsitektur efisien, yaitu MobileNetV3 dan MobileNetV4 berbasis Convolutional Neural Network (CNN), serta MobileViTV1 dan MobileViTV2 berbasis hybrid CNN-Transformer. Metode yang digunakan adalah Transfer Learning dengan memanfaatkan bobot pra-latih dari ImageNet. Tahapan penelitian meliputi pengolahan dataset, pra-pemrosesan citra melalui resizing dan augmentasi data, serta pelatihan model menggunakan optimizer AdamW dan learning rate scheduler. Hasil penelitian menunjukkan bahwa seluruh model mencapai nilai akurasi dan Macro F1-Score di atas 0,99. MobileViT-v2-1.50 menunjukkan efektivitas tertinggi dan paling konsisten, sedangkan MNv4-Conv-S memiliki efisiensi komputasi terbaik dengan latensi inferensi terendah. Sementara itu, MobileNetV3-Small menunjukkan keseimbangan terbaik antara efektivitas dan efisiensi. Hasil analisis menunjukkan bahwa tidak terdapat satu model yang unggul pada seluruh aspek, sehingga pemilihan model perlu disesuaikan dengan kebutuhan implementasi dan keterbatasan sumber daya. Penelitian ini diharapkan dapat menjadi referensi dalam pemilihan model untuk pengembangan sistem klasifikasi penyakit daun tanaman yang efektif dan efisien.

Item Type:	Thesis (Bachelor)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Jurusan Matematika dan Teknologi Informasi > Informatika
Depositing User:	Syifa Maulida
Date Deposited:	17 Jul 2026 06:47
Last Modified:	17 Jul 2026 06:47
URI:	http://repository.itk.ac.id/id/eprint/27550

Actions (login required)

View Item