<![CDATA[Perkembangan teknologi deep learning telah mendorong pemanfaatan arsitektur Convolutional Neural Network (CNN) dalam berbagai tugas klasifikasi citra. Di antara arsitektur yang populer, MobileNet dan ResNet memiliki karakteristik yang berbeda dalam hal efisiensi dan akurasi. Penelitian ini bertujuan untuk membandingkan performa dua arsitektur CNN, yaitu MobileNetV2 dan ResNet50V2, dalam mengklasifikasikan tingkat kematangan tomat ke dalam tiga kategori: mentah, setengah matang, dan matang. Dataset citra tomat digunakan dalam pelatihan dan pengujian model, dengan evaluasi berdasarkan metrik akurasi, presisi, recall, F1-score, serta waktu pengujian. Hasil penelitian menunjukkan bahwa MobileNetV2 unggul dalam efisiensi komputasi dengan akurasi sebesar 98,33% dan waktu pengujian lebih cepat, sedangkan ResNet50V2 mencapai akurasi 93,33% dengan kompleksitas model yang lebih tinggi. Berdasarkan hasil tersebut, MobileNetV2 direkomendasikan untuk implementasi pada perangkat dengan sumber daya terbatas, sementara ResNet50V2 lebih cocok untuk aplikasi dengan kebutuhan akurasi tinggi dan ketersediaan sumber daya yang memadai]]>
Copyrights © 2025
