Klasifikasi Varientas Daun Singkong Menggunakan NASNet Mobile pada Dataset Tidak Seimbang

Umi Roziqoh (Universitas Nusantara PGRI Kediri)
Made Ayu Dusea Widyadara (Universitas Nusantara PGRI Kediri)
Daniel Swanjaya (Universitas Nusantara PGRI Kediri)

Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026

Daun singkong merupakan salah satu komoditas pertanian yang memiliki nilai gizi dan ekonomi tinggi sehingga identifikasi jenis daun singkong menjadi penting untuk mendukung pemanfaatan dan budidaya yang tepat. Namun, proses identifikasi secara manual sering mengalami kesalahan akibat kemiripan karakteristik visual antar jenis daun. Penelitian ini bertujuan menganalisis performa arsitektur NASNet Mobile dalam mengklasifikasikan jenis daun singkong secara otomatis pada dataset yang tidak seimbang. Dataset terdiri dari tiga kelas, yaitu daun singkong karet, daun singkong papua, dan daun singkong sayur. Sebelum proses pelatihan, data melalui tahap preprocessing berupa normalisasi dan resize citra, serta augmentasi untuk meningkatkan kualitas dan variasi data. Model dilatih menggunakan arsitektur NASNet Mobile dan dievaluasi menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model NASNet Mobile memperoleh akurasi sebesar 94% dengan weighted average precision sebesar 0,94, recall sebesar 0,94, dan F1-score sebesar 0,94. Hasil tersebut menunjukkan bahwa NASNet Mobile mampu melakukan klasifikasi jenis daun singkong.