ANALISIS PERFORMA VGG16 DAN MOBILENETV2 DALAM KLASIFIKASI PENYAKIT DAUN PISANG MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN)NitaHelmawatiauthorIndonesia merupakan salah satu produsen utama pisang di dunia dengan potensi ekspor yang besar, namun produksinya kerap terancam oleh serangan penyakit daun yang menurunkan kualitas dan kuantitas hasil panen. Deteksi dini dan akurat terhadap penyakit daun pisang menjadi tantangan penting, khususnya dalam kondisi lapangan yang bervariasi. Penelitian ini bertujuan untuk mengevaluasi dan membandingkan performa dua arsitektur Convolutional Neural Network (CNN), yaitu VGG16 dan MobileNetV2, dalam mengklasifikasikan penyakit daun pisang secara multi-kelas berdasarkan citra. Metode yang digunakan meliputi pelatihan dan pengujian model dengan dataset citra penyakit daun pisang yang telah dikurasi dan ditingkatkan kualitasnya melalui augmentasi. Evaluasi dilakukan berdasarkan metrik akurasi, presisi, recall, F1-score, dan efisiensi komputasi. Hasil pengujian menunjukkan bahwa model VGG16 dengan konfigurasi optimal (15 epoch, optimizer Adam, learning rate 0,01) memberikan performa terbaik dengan akurasi sebesar 98,12%, presisi 98,17%, recall 98,12%, dan F1score 98,12%, serta waktu pelatihan selama 79,92 detik. Sementara itu, MobileNetV2 menunjukkan performa yang cukup baik namun sedikit lebih rendah, dengan keunggulan pada efisiensi komputasi. Pemilihan model optimal sangat bergantung pada kebutuhan sistem, VGG16 direkomendasikan untuk skenario yang menekankan akurasi tinggi, sedangkan MobileNetV2 lebih sesuai untuk implementasi pada perangkat dengan sumber daya terbatas. Penelitian ini memberikan kontribusi terhadap pengembangan untuk klasifikasi penyakit tanaman berbasis deep learning yang praktis dan adaptif terhadap kondisi lapangan.000 Ilmu komputer, informasi dan pekerjaan umum2025-11-03Universitas AMIKOM Yogyakarta;Pascasarjana Teknik InformatikaThesis