cover
Contact Name
Joseph Dedy Irawan
Contact Email
joseph@lecturer.itn.ac.id
Phone
+62811367463
Journal Mail Official
joseph@lecturer.itn.ac.id
Editorial Address
Jl. Raya Karanglo Km. 2 Malang
Location
Kota malang,
Jawa timur
INDONESIA
JATI (Jurnal Mahasiswa Teknik Informatika)
ISSN : -     EISSN : 2598828X     DOI : -
Core Subject : Science,
Adalah jurnal mahasiswa yang diterbitkan oleh Teknik Informatika Institut Teknologi Nasional Malang, sebagai media publikasi hasil Skripsi Mahasiswa Teknik Informatika ke khalayak luas, diterbitkan secara berkala 6 kali setahun pada bulan Februari, April, Juni, Agustus, Oktober, Desember.
Articles 4,631 Documents
ANALISIS KOMPARATIF EFEKTIVITAS OPTIMIZER PADA MODEL INCEPTIONV3 DAN EFFICIENTNETB3 MENGGUNAKAN TRANSFER LEARNING UNTUK KLASIFIKASI PENYAKIT DAUN TOMAT Muhammad Thorikin Zuniarto; M. Faris Al Hakim
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 4 (2026): JATI Vol. 10 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i4.18761

Abstract

Penyakit daun tomat dapat menurunkan kualitas dan produktivitas tanaman sehingga diperlukan sistem identifikasi yang cepat dan akurat. Identifikasi penyakit secara manual masih memiliki keterbatasan karena membutuhkan waktu dan keahlian khusus dalam mengenali gejala penyakit. Penelitian ini bertujuan menganalisis dan membandingkan efektivitas optimizer pada model InceptionV3 dan EfficientNetB3 menggunakan pendekatan transfer learning untuk klasifikasi penyakit daun tomat. Dataset yang digunakan berasal dari PlantVillage sebanyak 10.000 citra dengan 10 kelas penyakit. Tahapan penelitian meliputi preprocessing, augmentasi citra, pembagian dataset dengan rasio 80:10:10, serta pelatihan model menggunakan optimizer Adam, RMSprop, SGD Momentum, AdamW, dan Nadam. Seluruh eksperimen dilakukan menggunakan konfigurasi pelatihan yang sama untuk menjaga validitas perbandingan antar optimizer. Evaluasi performa dilakukan menggunakan accuracy, precision, recall, F1-score, MCC, kappa, dan Top-3 accuracy. Hasil penelitian menunjukkan bahwa RMSprop memberikan performa terbaik dengan akurasi sebesar 99,1% pada InceptionV3 dan 99,2% pada EfficientNetB3. Selain itu, EfficientNetB3 menunjukkan performa klasifikasi yang lebih baik dibandingkan InceptionV3. Penelitian selanjutnya berpotensi mengembangkan optimasi hyperparameter dan penerapan dataset lapangan untuk meningkatkan kemampuan generalisasi model.