<![CDATA[Dalam berbagai industri, dari agrikultur hingga ritel, klasifikasi citra buah-buahan secara otomatis sangat penting. Tujuan dari penelitian ini adalah untuk melakukan analisis komparatif terhadap kinerja tiga model Convolutional Neural Network (CNN) utama EfficientNetV2-S, InceptionV3, dan ResNet50 dalam konteks tugas klasifikasi gambar buah-buahan. menggunakan dataset "Klasifikasi Buah" yang diperoleh dari platform Kaggle, yang mencakup gambar dari lima varietas buah: Stroberi, Mangga, Anggur, Pisang, dan Apel. Setiap model dilatih dan dinilai menggunakan metrik standar seperti akurasi, presisi, recall, dan skor F1. Hasil penelitian menunjukkan bahwa model InceptionV3 memiliki akurasi yang lebih tinggi sebesar 90.50%, melampaui kinerja EfficientNetV2-S dan ResNet50, yang masing-masing menunjukkan akurasi 52.50%. Kajian lebih lanjut tentang laporan klasifikasi menunjukkan bahwa InceptionV3 juga memiliki kinerja yang lebih baik dalam hal skor F1, recall, dan presisi untuk setiap kategori buah. Studi ini memberikan perspektif tentang pemilihan model yang lebih efektif untuk tugas klasifikasi gambar buah-buahan pada dataset dengan atribut yang sebanding.Kata Kunci: Klasifikasi Buah, Convolutional Neural Network, EfficientNet, InceptionV3, ResNet, Deep Learning, Kinerja Model.]]>
Copyrights © 2025
