<![CDATA[Jagung (Zea mays) merupakan komoditas pangan utama, namun produktivitasnya terhambat oleh serangan penyakit daun. Identifikasi penyakit daun jagung secara manual memakan waktu dan bersifat subjektif. Penelitian ini bertujuan mengembangkan model klasifikasi otomatis menggunakan Convolutional Neural Network (CNN) berbasis transfer learning dengan mengevaluasi tiga varian arsitektur MobileNetV4 (Small, Medium, Large) serta membandingkan optimizer Adam dan SGD. Peneliti menggunakan 4000 citra daun jagung dari empat kelas dengan pembagian 80% data pelatihan, 10% data validasi dan 10% data pengujian. Hasil eksperimen menunjukkan bahwa model terbaik diperoleh dari MobileNetV4-Conv-Medium dengan optimizer SGD, yang mencapai akurasi validasi tertinggi 95,25% dan F1-Score 92,00% dengan penggunaan hyperparameter learning rate 0.01, epoch 50 dan batch size 32. Kinerja ini menegaskan potensi MobileNetV4, khususnya varian Medium, dalam mencapai keseimbangan optimal antara efisiensi komputasi dan kinerja klasifikasi, menjadikannya model yang sangat menjanjikan untuk implementasi sebagai sistem mobile dalam pertanian presisi.]]>
Copyrights © 2025
