IMPLEMENTASI DAN ANALISIS KOMPARATIF MOBILENETV3 DENGAN DAN TANPA AUGMENTASI DATA SERTA FINE-TUNING TERHADAP AKURASI DAN EFISIENSI KOMPUTASI PADA KLASIFIKASI SPESIES BUNGA

Yousouf, Honnasan (2026) IMPLEMENTASI DAN ANALISIS KOMPARATIF MOBILENETV3 DENGAN DAN TANPA AUGMENTASI DATA SERTA FINE-TUNING TERHADAP AKURASI DAN EFISIENSI KOMPUTASI PADA KLASIFIKASI SPESIES BUNGA. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf - Published Version Download (1MB)
	Text (BAB I) BAB I.pdf - Published Version Download (211kB)
	Text (BAB II) BAB II.pdf - Published Version Restricted to Registered users only Download (470kB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Registered users only Download (195kB)
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Registered users only Download (872kB)
	Text (BAB V) BAB V.pdf - Published Version Download (111kB)
	Text (DAFTAR PUSTAKA - LAMPIRAN) Daftar Pustaka dan Lampiran.pdf - Published Version Restricted to Registered users only Download (2MB)
	Archive (SOURCE CODE) Sourcecode - 22.11.5052.zip - Published Version Restricted to Repository staff only Download (19MB)
	Text (PUBLIKASI) Publikasi.pdf - Published Version Restricted to Repository staff only Download (1MB)

Abstract

Penelitian ini bertujuan untuk mengimplementasikan arsitektur MobileNetV3 pada tugas klasifikasi spesies bunga serta menganalisis perbandingan performa model dengan dan tanpa penerapan augmentasi data serta fine-tuning. MobileNetV3 dikenal sebagai model yang ringan dan efisien untuk perangkat dengan sumber daya terbatas, sehingga cocok untuk aplikasi klasifikasi citra secara real-time. Fokus utama studi ini adalah mengukur sejauh mana kombinasi augmentasi data dan fine-tuning dapat meningkatkan akurasi model serta pengaruhnya terhadap efisiensi komputasi. Metode penelitian dilakukan dengan melatih dua konfigurasi model menggunakan dataset Oxford Flowers 102. Model pertama digunakan sebagai baseline tanpa augmentasi data dan hanya mengandalkan bobot awal pre-trained tanpa fine-tuning menyeluruh, sedangkan model kedua dioptimalkan dengan teknik augmentasi data (seperti rotasi, flipping, dan penyesuaian kontras) serta fine-tuning pada lapisan tertentu. Evaluasi dilakukan berdasarkan metrik akurasi (top-1 accuracy) dan efisiensi komputasi yang diukur dari waktu inferensi rata-rata serta jumlah parameter model. Hasil eksperimen menunjukkan bahwa model dengan augmentasi data dan fine-tuning mencapai peningkatan akurasi yang signifikan dibandingkan model baseline, dengan selisih akurasi mencapai lebih dari 3%. Namun, peningkatan akurasi ini disertai sedikit tambahan waktu inferensi, meskipun masih dalam batas yang wajar untuk aplikasi praktis. Secara keseluruhan, MobileNetV3 yang dioptimalkan mampu memberikan keseimbangan yang baik antara akurasi tinggi dan efisiensi komputasi, sehingga layak diimplementasikan dalam sistem klasifikasi spesies bunga berbasis citra.

Actions (login required)

View Item