Layanan penulisan ilmiah yang disediakan oleh Perpustakaan Universitas Gunadarma
ANALISIS PERBANDINGAN ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK: DENSENET201, EFFICIENTNETV2L, DAN RESNET50V2 UNTUK KLASIFIKASI GAMBAR SAYURAN
ABSTRAKSI :
Penelitian ini menganalisis performa tiga arsitektur Convolutional Neural Network, yaitu DenseNet201, EfficientNetV2L, dan ResNet50V2, dalam klasifikasi gambar sayuran. Hasil evaluasi menunjukkan bahwa DenseNet201 dan ResNet50V2 memiliki performa unggul dengan akurasi mendekati 100%, serta precision, recall, dan F1-score sempurna, menjadikan keduanya sangat efektif untuk tugas ini. DenseNet201 memprediksi semua gambar dengan akurasi sebesar 99.93%, sedangkan ResNet50V2 juga memiliki tingkat akurasi yang tinggi sebesar 99.90%. Sebaliknya, EfficientNetV2L menunjukkan performa yang jauh lebih rendah dengan akurasi hanya 55.93%, sehingga tidak cocok untuk klasifikasi gambar sayuran dalam penelitian ini. EfficientNetV2L sangat rendah dalam segala sisi dari precision, recall, dan F1-score. Perlunya penelitian lanjutan mengenai klasifikasi sayuran menggunakan arsitektur CNN lainnya, seperti Inception, Xception, MobileNet, dan sebagainya.
NOMOR INDUK :
FTI/IA/SSM/9113/2024
PEMBIMBING :
Dwi Widiastuti, Skom
TANGGAL SIDANG :
14/08/2024
TANGGAL PENYERAHAN :
06/11/2024
JENIS PENULISAN :
PENULISAN ILMIAH JENJANG S1 (SETARA SARJANA MUDA / SSM)