<![CDATA[Penelitian ini mengevaluasi kinerja model MobileNetV2 dan EfficientNetV2 untuk klasifikasi sampah menggunakan dataset gambar. Dataset yang diperoleh dari Kaggle terdiri dari 3.270 gambar yang dibagi menjadi lima kategori: botol kaca, botol plastik, gelas plastik, kaleng, dan kardus. Dataset ini dibagi menjadi set pelatihan (80%) dan pengujian (20%), dengan langkah-langkah pra-pemrosesan seperti pengubahan ukuran, normalisasi, dan augmentasi diterapkan untuk mengoptimalkan kinerja model. MobileNetV2, yang dirancang untuk efisiensi komputasi, mencapai akurasi 98% dengan kesalahan klasifikasi minimal, menunjukkan kinerja yang kuat dalam mengidentifikasi kategori sampah. Sebaliknya, EfficientNetV2 menunjukkan akurasi yang jauh lebih rendah, yaitu 27%, dengan tingkat kesalahan klasifikasi yang tinggi di semua kelas, mengindikasikan pelatihan yang tidak memadai dan potensi masalah optimasi. Metode evaluasi, termasuk akurasi, presisi, recall, dan F1-score, semakin menyoroti keunggulan kinerja MobileNetV2. Temuan ini menunjukkan bahwa MobileNetV2 lebih cocok untuk tugas klasifikasi sampah, terutama di lingkungan dengan keterbatasan sumber daya, sementara EfficientNetV2 memerlukan penyesuaian lebih lanjut untuk meningkatkan efektivitasnya.]]>
Copyrights © 2026
