Study Comparison MobileNetV2 dan MobileNetV3 untuk Klasifikasi Penyakit Daun Singkong Berbasis Citra

Authors

  • Alfan Taufiqi Ramadhan Indonesia
  • Rony Heri Irawan Universitas Nusantara PGRI Kediri Indonesia
  • Umi Mahdiyah Universitas Nusantara PGRI Kediri Indonesia

DOI:

https://doi.org/10.29407/sdf5w430

Abstract

Penyakit pada daun singkong dapat menurunkan kualitas dan hasil panen sehingga diperlukan metode identifikasi yang cepat dan akurat. Penelitian ini bertujuan membandingkan kinerja arsitektur MobileNetV2 dan MobileNetV3-Small dalam klasifikasi penyakit daun singkong berbasis citra. Dataset yang digunakan terdiri dari 5.000 citra yang dikelompokkan ke dalam lima kelas, yaitu sehat, mosaik, layu bakteri, bercak hijau, dan gumpal cokelat. Tahapan penelitian meliputi preprocessing citra, pelatihan model menggunakan transfer learning, serta evaluasi menggunakan precision, recall, dan F1-score. Hasil pelatihan menunjukkan bahwa MobileNetV3-Small memperoleh akurasi tertinggi sebesar 85,74%, sedangkan MobileNetV2 memperoleh akurasi sebesar 83,45%. Namun, hasil evaluasi menunjukkan bahwa MobileNetV2 memiliki performa yang lebih konsisten pada sebagian besar kelas berdasarkan nilai F1-score. Pada pengujian citra sampel, MobileNetV2 juga menghasilkan confidence sebesar 95,69%, lebih tinggi dibandingkan MobileNetV3-Small sebesar 78,22%. Hasil penelitian menunjukkan bahwa kedua model mampu mengklasifikasikan penyakit daun singkong dengan baik, namun MobileNetV2 memberikan performa yang lebih stabil pada data uji.

Keywords:

CNN, klasifikasi citra, MobileNetV2, MobileNetV3-Small, penyakit daun singkong.

##plugins.themes.default.displayStats.downloads##

##plugins.themes.default.displayStats.noStats##

References

[1] D. Lizard, S. Dimara, B. Rahmat, and H. Maulana, "IDENTIFIKASI PENYAKIT DAUN PADI DENGAN METODE TRANSFER LEARNING MOBILENET-SUPPORT VECTOR MACHINE," 2025.

[2] M. Patrick, C. Lubis, and A. B. Dharmawan, "PENDETEKSIAN CITRA DEEPFAKE WAJAH DI SMARTPHONE MENGGUNAKAN MOBILENETV3-SMALL DAN LBP," Jurnal Ilmu Komputer dan Sistem Informasi, vol. 12, 2024, doi: 10.24912/jiksi.v12i1.28214.

[3] A. A. Aldi and T. Tinaliah, "Classification of Indonesian Batik Patterns Using Convolutional Neural Network with MobileNetV3 Architecture," Jurnal Teknologi Informatika dan Komputer, vol. 12, pp. 38-53, 2025, doi: 10.37012/jtik.v12i1.3205.

[4] A. Kurniadi, "Implementasi Convolutional Neural Network Untuk Klasifikasi Varietas Pada Citra Daun Sawi Menggunakan Keras," DoubleClick: Journal of Computer and Information Technology, vol. 4, p. 25, 2020, doi: 10.25273/doubleclick.v4i1.5812.

[5] P. K. Das, S. S. Rupa, S. Pumrin, U. C. Das, and M. K. Hossen, "Deep Learning for Plant Disease Detection and Classification: A Systematic Analysis and Review," 2024, doi: 10.55003/cast.2024.259016.

[6] A. M. Anggraeni, T. I. Hermanto, and I. M. Nugroho, "KLASIFIKASI PENYAKIT DAUN SINGKONG MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR VGG16 BERBASIS ANDROID," 2025.

[7] A. Emmanuel, R. W. Mwangi, P. Murithi, K. Fredrick, and T. Danison, "Classification of cassava leaf diseases using deep Gaussian transfer learning model," Engineering Reports, vol. 5, 2023, doi: 10.1002/eng2.12651.

[8] S. Agustiani, R. Aryanti, S. K. Wildah, Y. T. Arifin, S. Marlina, and T. Misriati, "Optimisasi Model Deep Learning untuk Deteksi Penyakit Daun Tebu dengan Fine-Tuning MobileNetV2," Journal of Informatics Management and Information Technology, vol. 4, no. 4, pp. 150-157, 2024, doi: 10.47065/jimat.v4i4.411.

[9] E. L. Puji Ristanti, "ANALISIS DAN PERBANDINGAN ARSITEKTUR VGG16 DAN MOBILENETV2 UNTUK KLASIFIKASI DAN IDENTIFIKASI PENYAKIT DAUN PADA TANAMAN CABAI MENGGUNAKAN CNN," 2025.

[10] M. F. Aulia, M. K. Gibran, N. S. A. Sitorus, A. Nugroho, N. Faiza, and H. A. R. Siregar, "Transfer Learning Implementation with MobileNetV2 for Cassava Leaf Disease Detection," JURNAL TEKNOLOGI DAN OPEN SOURCE, vol. 8, pp. 352-361, 2025, doi: 10.36378/jtos.v8i1.4442.

Downloads

Published

2026-07-20

Issue

Vol. 10 No. 1 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026

Section

Articles

License

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish with this journal agree to the following terms:

  1. Copyright on any article is retained by the author(s).
  2. The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
  3. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  4. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
  5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License

How to Cite

Study Comparison MobileNetV2 dan MobileNetV3 untuk Klasifikasi Penyakit Daun Singkong Berbasis Citra. (2026). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 10(1), 788-798. https://doi.org/10.29407/sdf5w430