Perbandingan Akurasi Arsitektur MobileNet dan EfficientNet dalam Mendeteksi Produk Kemasan

Baehaqie, Lu'ay
Swanjaya, Daniel
Pamungkas, Danar Putra

Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Vol. 9 No. 2 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025

 Penelitian ini membahas perbandingan performa dua arsitektur deep learning, yaitu MobileNet dan EfficientNet, dalam mendeteksi produk kemasan berbasis citra. Dataset yang digunakan terdiri dari 150 gambar tiga jenis produk kemasan, yaitu Le Minerale, Isoplus, dan Sprite, yang telah melalui proses anotasi dan dibagi menjadi data latih, validasi, dan uji. Proses pelatihan dilakukan selama 10 epoch dengan ukuran citra 448x448 piksel. Evaluasi dilakukan menggunakan metrik accuracy, precision, recall, dan f1-score. Hasil penelitian menunjukkan bahwa MobileNet memiliki performa sangat baik dengan akurasi 100% pada ketiga kelas produk, serta nilai precision, recall, dan f1-score sebesar 1.00 pada semua kategori. Sementara itu, EfficientNet menunjukkan hasil yang kurang optimal dengan akurasi hanya 33%, disertai bias prediksi terhadap satu kelas saja. Berdasarkan hasil tersebut, MobileNet direkomendasikan sebagai arsitektur yang lebih efisien dan andal dalam kasus deteksi produk kemasan berdasarkan dari hasil dan penelitian yang dilakukan.