%0 Thesis
%9 S1 - Sarjana
%A Sindhunata, Yohanes
%A Universitas AMIKOM Yogyakarta,
%B Fakultas Ilmu Komputer
%D 2026
%F universitasamikomyogyakarta:33148
%I Universitas AMIKOM Yogyakarta
%K Klasifikasi Penyakit Tanaman, Daun Mangga, EfficientNet B0,  MobileNetV3, Segmentasi Citra, Plant Disease Classification, Mango Leaves.
%T ANALISIS PERBANDINGAN KINERJA ARSITEKTUR  EFFICIENTNET B0 DAN MOBILENETV3 UNTUK  KLASIFIKASI PENYAKIT PADA CITRA DAUN  MANGGA
%U https://eprints.amikom.ac.id/id/eprint/33148/
%X Penyakit pada daun mangga sering kali terlambat teridentifikasi akibat  keterbatasan pengetahuan visual petani dan minimnya akses terhadap tenaga ahli  pertanian. Kondisi ini berdampak pada penurunan kualitas panen, penyebaran  penyakit di area perkebunan, serta kerugian ekonomi bagi petani.  Penelitian ini mengembangkan sistem klasifikasi penyakit daun mangga  secara otomatis menggunakan pendekatan deep learning. Dua arsitektur  Convolutional Neural Network (CNN), yaitu EfficientNet B0 dan MobileNetV3,  dievaluasi dan dibandingkan kinerjanya dalam mengklasifikasikan delapan kelas  kondisi daun mangga. Pengujian dilakukan menggunakan dataset publik Kaggle  maupun citra lapangan. Teknik pra-pemrosesan berupa segmentasi penghapusan  latar belakang (background removal) juga diterapkan untuk mengukur ketangguhan  kedua model terhadap pergeseran domain dan gangguan visual.  Hasil pengujian pada citra lapangan menunjukkan bahwa MobileNetV3  lebih tangguh dengan akurasi 71.25% dibandingkan EfficientNet B0 yang  mencapai 62.50%. Setelah diterapkan segmentasi latar belakang, akurasi  EfficientNet B0 meningkat signifikan menjadi 75.00%. Sistem yang dikembangkan  berpotensi dimanfaatkan sebagai alat bantu diagnosis dini yang praktis bagi petani.