<![CDATA[Meningkatnya konsumsi jeruk (Citrus spp.) di masyarakat menjadikan budidaya jeruk sebagai komoditas penting, namun rentan terhadap serangan penyakit yang dapat menyebabkan gagal panen. Penelitian ini bertujuan untuk mengevaluasi kinerja dan efisiensi algoritma MobileNet V3-Large dan Efficient Net-B0 dalam mengklasifikasi citra penyakit daun jeruk, baik dari data mandiri maupun data terbuka seperti Kaggle. Metode yang digunakan adalah pendekatan kuantitatif eksperimental dengan pengujian variasi hyperparameter, optimizer, dan skenario rasio data pelatihan, validasi, serta pengujian. Evaluasi model dilakukan menggunakan metrik Accuracy, Precision, Recall, dan F1-score. Hasil penelitian menunjukkan bahwa kedua arsitektur mampu melakukan klasifikasi citra secara efektif, dengan hasil terbaik diperoleh pada konfigurasi rasio data 70-20-10, optimizer RMSprop, dan learning rate 0,1 menggunakan early stopping. Konfigurasi alternatif yang juga direkomendasikan adalah rasio 60-30-10 dengan optimizer Adam dan epoch 15 atau 30. Temuan ini menunjukkan bahwa MobileNet V3-Large dan EfficientNet-B0 dapat diandalkan untuk sistem klasifikasi penyakit daun jeruk berbasis website atau aplikasi mobile, terutama pada kondisi data terbatas dan distribusi kelas yang tidak seimbang]]>
Copyrights © 2025
