<![CDATA[Kopi adalah salah satu komoditas pertanian yang penting di Indonesia. Negara ini merupakan salah satu produsen kopi terbesar di dunia. Masalah yang dihadapi produsen kopi di Indonesia adalah serangan hama dan penyakit. Miner dan Rust adalah penyakit umum yang sering menyerang tanaman kopi. Hal ini berdampak pada rendahnya produktivitas dan kualitas produk kopi. Penelitian ini bertujuan untuk mengetahui kinerja arsitektur MobileNetV2 dengan Teknik deep learning dalam melakukan klasifikasi penyakit daun kopi. Deep learning adalah teknologi yang sangat efektif dalam mengenali pola dan mengidentifikasi objek dalam gambar atau citra. Penelitian ini menggunakan pemisahan data pelatihan dan data uji dengan kombinasi 90:10, 80:20, 70:30, dan 60:40. Data terbagi dalam 3 kelas yaitu Healthy, Miner, dan Rust dengan masing masing kelas 150 gambar dengan total 450 gambar. Hasil terbaik dari penelitian ini menunjukan bahwa menggunakan Arsitektur MobileNetV2 dengan kombinasi data 90:10 memiliki hasil yang sangat baik dengan akurasi, presisi, recall, dan skor F1 yang semuanya sama dengan 100%. Dapat disimpulkan bahwa arsitektur MobileNetV2 dapat melakukan klasifikasi penyakit daun kopi dengan akurasi yang baik dan akurat.]]>
Copyrights © 2023
