TY  - THES
ID  - universitasamikomyogyakarta33112
N2  - Terong (Solanum melongena L.) merupakan salah satu komoditas
hortikultura yang banyak dibudidayakan di Indonesia, namun produktivitasnya
sering menurun akibat serangan penyakit daun. Identifikasi penyakit daun secara
konvensional masih dilakukan melalui pengamatan visual sehingga rentan terhadap
kesalahan diagnosis, membutuhkan waktu, dan tidak efisien pada lahan berskala
besar. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem
klasifikasi penyakit daun terong berbasis citra digital menggunakan metode Deep
Learning dengan arsitektur MobileNetV2. Dataset yang digunakan berasal dari
Mendeley Data dan telah melalui proses augmentasi, sehingga penelitian ini
berfokus pada optimalisasi pelatihan model menggunakan transfer learning dan
fine-tuning. Tahapan penelitian meliputi preprocessing citra, pembagian data
menjadi data training, validation, dan testing, pelatihan model MobileNetV2
pretrained ImageNet, serta evaluasi performa menggunakan confusion matrix dan
metrik akurasi. Hasil eksperimen menunjukkan bahwa model mencapai validation
accuracy terbaik sebesar 95.52% pada epoch ke-34. Selain itu, evaluasi pada data
testing menghasilkan akurasi sebesar 93.92%. Hasil tersebut membuktikan bahwa
MobileNetV2 dengan strategi fine-tuning mampu memberikan performa klasifikasi
yang baik dengan efisiensi komputasi yang tinggi. Sistem ini diharapkan dapat
membantu petani dalam mendeteksi penyakit daun terong secara cepat dan akurat
sebagai bagian dari penerapan smart agriculture.
Y1  - 2026/02/27/
KW  - MobileNetV2
KW  -  Fine-Tuning
KW  -  Transfer Learning
KW  -  Penyakit Daun
Terong
KW  -  Klasifikasi Citra
KW  -  Eggplant Leaf Disease
KW  - 
Image Classification.
UR  - https://eprints.amikom.ac.id/id/eprint/33112/
A1  - Ramadianto, Muhammad
PB  - Universitas AMIKOM Yogyakarta
M1  - bachelor
AV  - restricted
TI  - KLASIFIKASI PENYAKIT DAUN TERONG MENGGUNAKAN
DATASET TERAUGMENTASI DENGAN OPTIMASI FINETUNING
DENGAN
ALGORITMA
MOBILENETV2
ER  -