View/Open

Author

Date Published
27 Apr 2026

Advisor
Ahmad Luky Ramdani, S.Komp., M.Kom,
Mika Alvionita S, S.Si., M.Si.,

Subject
Sains Data

Publisher

ABSTRAK IMPLEMENTASIMOBILENETV2UNTUKKLASIFIKASI JENIS BUAHAPEL SYIFA ALWANAULIA(120450036) Pembimbing I: Ahmad Luky Ramdani, S.Kom., M.Kom Pembimbing II: Mika Alvionita, S, M.Si Klasifikasi varietas apel yang akurat merupakan aspek fundamental dalam pengendalian kualitas dan otomatisasi di sektor pertanian pasca-panen. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi yang andal menggunakan arsitektur MobileNetV2 dengan pendekatan transfer learning. Dataset yang digunakan dalam penelitian ini terdiri dari 3.676 citra yang merepresentasikan delapan varietas apel, yang dikurasi secara manual dan dibagi menjadi data latih (70%), validasi (15%), dan uji (15%). Pada tahap implementasi, seluruh citra diubah ukurannya menjadi 224 × 224 piksel dan dinormalisasi untuk menjamin kestabilan proses pelatihan. Guna meningkatkan generalisasi model dan mencegah overfitting, diterapkan teknik augmentasi data yang meliputi rotasi, pembalikan (flipping), dan perbesaran (zooming). Strategi pelatihan difokuskan pada metode fine-tuning terhadap backbone MobileNetV2 agar kemampuan ekstraksi fiturnya dapat beradaptasi secara spesifik terhadap karakteristik visual dataset apel. Hasil evaluasi terhadap 550 citra uji menunjukkan bahwa model berhasil mencapai akurasi keseluruhan sebesar 96%. Analisis performa mendalam mengungkapkan bahwa model mampu mencapai klasifikasi sempurna (100%) pada varietas dengan ciri visual yang tegas, seperti Apple Golden dan Apple Granny Smith. Namun, sedikit kesalahan klasifikasi teridentifikasi pada varietas dengan gradasi warna merah-kuning yang serupa. Secara spesifik, Apple Red menunjukkan tingkat recall yang lebih rendah akibat false negative, sedangkan Apple Red Yellow menunjukkan presisi yang lebih rendah. Secara keseluruhan, penelitian ini menyimpulkan bahwa arsitektur MobileNetV2 sangat efektif untuk klasifikasi varietas apel karena menawarkan keseimbangan antara efisiensi komputasi dan akurasi yang tinggi. Kata Kunci: klasifikasi varietas apel, deep learning, MobileNetV2, transfer learning, fine-tuning, augmentasi data

URI
https://repo.itera.ac.id/depan/submission/SB2604280007

Keyword
klasifikasi varietas apel, deep learning, MobileNe