PERBANDINGAN METODE MOBILENETV2 DAN EFFICIENTNETB0 UNTUK KLASIFIKASI JENIS PISANG

Citha Nastitie (Universitas Teknologi Yogyakarta)
Irma Handayani2 (Universitas Teknologi Yogyakarta)

INTECOMS: Journal of Information Technology and Computer Science
Vol. 8 No. 6 (2025): INTECOMS: Journal of Information Technology and Computer Science

Pisang merupakan salah satu komoditas pertanian utama dengan beragam jenis yang memiliki kemiripan visual, sehingga sulit dibedakan secara langsung. Penelitian ini bertujuan untuk membandingkan kinerja dua arsitektur Convolutional Neural Network (CNN), yaitu MobileNetV2 dan EfficientNetB0, dalam mengklasifikasikan lima jenis pisang: Ambon, Cavendish, Barangan, Susu, dan Nangka. CNN digunakan sebagai metode deep learning yang mampu mengekstraksi fitur penting citra melalui proses konvolusi dan pembelajaran berlapis. Dataset terdiri dari 2.248 citra yang dibagi menjadi data pelatihan (70%), validasi (15%), dan pengujian (15%). Hasil pelatihan menunjukkan bahwa model EfficientNetB0 memperoleh akurasi sebesar 80%, sedangkan MobileNetV2 mencapai 75%. Berdasarkan hasil tersebut, dapat disimpulkan bahwa EfficientNetB0 memiliki performa lebih baik dalam klasifikasi citra pisang dan dapat dijadikan model yang andal untuk penelitian lanjutan maupun penerapan praktis dalam sistem klasifikasi buah berbasis citra digital.  Kata Kunci: Convolutional Neural Network (CNN), MobileNetV2, EfficientNetB0, Klasifikasi, Jenis Pisang