Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business
Siti Khairunnisa Ratu Rahmah
Universitas Yapis Papua
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Perbandingan EfficientNet B0 dan DenseNet121 untuk Klasifikasi Jenis Mangga Berdasarkan Citra Daun Siti Khairunnisa Ratu Rahmah; Muhammad Ali Nur Hidayat; Jamaludin Hakim; Mursalim Tonggiroh; Damar Surya Sasono; Stefanus Ndala
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.13366

Abstract

Identifikasi jenis mangga secara konvensional umumnya dilakukan melalui pengamatan visual terhadap karakteristik fisik daun, seperti bentuk, ukuran, dan tekstur. Namun, metode tersebut cenderung bersifat subjektif, membutuhkan waktu yang relatif lama, serta memerlukan keahlian khusus. Perkembangan teknologi di bidang computer vision dan deep learning memungkinkan proses identifikasi tanaman dilakukan secara otomatis melalui klasifikasi citra. Penelitian ini bertujuan untuk membandingkan performa dua arsitektur Convolutional Neural Network (CNN), yaitu DenseNet121 dan EfficientNet B0, dalam mengklasifikasikan jenis mangga berdasarkan citra daun. Dataset yang digunakan terdiri dari empat jenis mangga, yaitu Arumanis, Golek, Indramayu, dan Kweni, yang diperoleh melalui pengambilan gambar secara langsung. Untuk meningkatkan variasi data, dilakukan proses augmentasi berupa rotasi, flipping, zooming, dan pengaturan pencahayaan. Tahapan penelitian meliputi preprocessing citra, augmentasi data, pelatihan model, serta evaluasi menggunakan metrik akurasi, precision, recall, F1-score, dan confusion matrix. Hasil penelitian menunjukkan bahwa model DenseNet121 memperoleh performa terbaik dengan tingkat akurasi sebesar 93%, sedangkan EfficientNet B0 memperoleh akurasi sebesar 31%. Dengan demikian, dapat disimpulkan bahwa DenseNet121 lebih efektif digunakan dalam klasifikasi jenis mangga berdasarkan citra daun dibandingkan EfficientNet B0.
Co-Authors Damar Surya Sasono Jamaludin Hakim Muhammad Ali Nur Hidayat Mursalim Tonggiroh Stefanus Ndala