Analisis Komparatif Model MobilenetV1 Dan EfficientnetB0 Dalam Klasifikasi Citra Empat Musim Menggunakan Transfer Learning
DOI:
https://doi.org/10.58794/jekin.v5i2.1378Keywords:
Transfer Learning, MobileNetV1, EfficientNetB0, Citra Musim, Convolutional Neural Network, Adam OptimizerAbstract
Musim memengaruhi berbagai aspek lingkungan dan aktivitas manusia seperti pertanian, pariwisata, serta transportasi. Identifikasi otomatis terhadap musim berdasarkan citra visual menjadi solusi potensial untuk mendukung sistem monitoring berbasis teknologi. Namun, klasifikasi citra ke dalam empat kategori musim, yaitu autumn, spring, summer, dan winter, masih jarang diimplementasikan dalam sistem pengenalan berbasis deep learning. Penelitian ini bertujuan untuk membandingkan dua arsitektur ringan Convolutional Neural Network (CNN), yaitu MobileNetV1 dan EfficientNetB0, untuk menentukan model terbaik dalam klasifikasi citra musim. Keduanya diimplementasikan menggunakan pendekatan transfer learning dan dioptimasi dengan Adam (Adaptive Moment Estimation) Optimizer. Dataset terdiri atas 2000 citra yang dibagi menjadi 75% data train, 15% data validation, dan 10% data testing. Hasil evaluasi menunjukkan bahwa MobileNetV1 memberikan performa terbaik dengan accuracy 95,5%, precision 95,5%, recall 95,5%, dan F1-Score 95,5%, sedangkan EfficientNetB0 hanya mencapai accuracy sebesar 91,5%. Perbandingan ini mengindikasikan bahwa MobileNetV1 lebih unggul dalam efisiensi dan akurasi pada tugas klasifikasi visual musim. Penelitian ini memberikan kontribusi terhadap pengembangan sistem klasifikasi musim berbasis citra yang dapat diimplementasikan dalam aplikasi website atau sistem monitoring lingkungan berbasis citra otomatis.
Downloads
References
M. D. Tuna dan H. Kristianto, "Klasifikasi Citra Cuaca Menggunakan Convolutional Neural Network Berbasis VGG16," Jurnal Teknologi dan Sistem Komputer, vol. 10, no. 1, pp. 55–61, 2021.
D. Mylonas, G. Tzagkarakis, dan P. Tsakalides, "Season Classification from Images Using Deep Learning Approaches," IEEE Access, vol. 11, pp. 25344–25353, 2023.
W. Xiao, C. Wang, dan L. Wang, "Weather Recognition Based on Deep Convolutional Neural Network," IEEE Transactions on Industrial Informatics, vol. 17, no. 1, pp. 424–432, 2021.
N. Yuliana dan S. Widodo, "Penerapan Deep Learning untuk Klasifikasi Citra Lanskap Menggunakan Transfer Learning," Jurnal Ilmu Komputer dan Informatika, vol. 9, no. 2, pp. 88–96, 2022.
Dewantara, A., Suryanto, B., & Widodo, C. (2024). Penerapan Arsitektur Convolutional Neural Networks (CNN) dalam Klasifikasi Citra Medis. Jurnal Teknologi Informasi dan Komputer, 15(2), 23–34.
Prasetya, M., & Aisyah, R. (2025). Pengembangan Deep Learning untuk Pengenalan Pola pada Citra Digital Menggunakan CNN. Jurnal Ilmu Komputer dan Teknologi, 8(1), 45–56.
Herlambang, D., & Wulandari, T. (2025). Optimasi Arsitektur CNN dalam Sistem Pengenalan Wajah. Jurnal Penelitian AI dan Deep Learning, 10(3), 121–135.
A. G. Howard et al., "MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications," arXiv preprint arXiv:1704.04861, 2017.
M. Tan dan Q. Le, "EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks," in International Conference on Machine Learning (ICML), pp. 6105–6114, 2019.
A. Setiawan, R. Firdaus, dan M. Nurfadillah, "Implementasi EfficientNet untuk Klasifikasi Citra Lingkungan," Jurnal Pengolahan Citra dan AI, vol. 6, no. 1, pp. 45–52, 2023.
R. Nandaputra, "Penerapan Transfer Learning pada Klasifikasi Citra Alam dengan Dataset Terbatas," Jurnal Informatika Terapan, vol. 5, no. 2, pp. 77–84, 2024.
R. Prismana dan A. D. Pamungkas, "Efektivitas EfficientNet pada Klasifikasi Citra Alam Menggunakan Teknik Compound Scaling," Jurnal Pengolahan Citra dan AI, vol. 6, no. 1, pp. 45–52, 2024.
R. Putra, A. Santoso, dan D. Pratama, "Optimasi Model CNN untuk Klasifikasi Citra Dengan Augmentasi Data," Jurnal Informatika Terapan, vol. 5, no. 3, pp. 110–117, 2020.
S. Wicaksono dan A. Halim, "Implementasi Softmax pada Jaringan Neural untuk Klasifikasi Multikelas," Jurnal Teknik Informatika dan Sistem Informasi, vol. 9, no. 2, pp. 112–120, 2023.
D. Rizky, T. Maulana, dan F. Hasan, "Penerapan Callbacks EarlyStopping dan ReduceLROnPlateau pada CNN untuk Klasifikasi Citra," Jurnal Ilmu Komputer, vol. 11, no. 1, pp. 44–51, 2022.
M. Ananda, A. Sutanto, dan A. Fauzan, "Klasifikasi Citra Tanaman Tropis Menggunakan MobileNetV2 dan Augmentasi Data," Jurnal Informatika Terapan, vol. 5, no. 3, pp. 110–117, 2023.
R. Hidayat dan D. Utami, "Pengaruh Distribusi Dataset Terhadap Akurasi Model Deep Learning untuk Klasifikasi Visual," Jurnal Sains Data dan Teknologi Informasi, vol. 7, no. 1, pp. 22–28, 2023.
Yanto, S. Rachmawati, dan T. Wibowo, "Penerapan CNN pada Klasifikasi Citra Dua Dimensi," Jurnal Teknologi Informasi, vol. 11, no. 1, pp. 33–40, 2021.
A. Hastomo dan Sudjiran, "Klasifikasi Citra Berbasis CNN untuk Deteksi Visual," Jurnal Teknologi dan Sistem Komputer, vol. 9, no. 2, pp. 77–83, 2021.
S. Miranda, R. Novamizanti, dan F. Rizal, "Implementasi CNN pada Klasifikasi Citra Objek Alam," Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 6, no. 3, pp. 210–217, 2020.
Yanto et al., "Pengembangan Deep Learning untuk Identifikasi Visual," Jurnal Teknologi dan Komputer, vol. 13, no. 1, pp. 55–62, 2023.
A. Hafeez, M. S. Hossain, dan G. Muhammad, "Deep Learning Models for Environmental Scene Recognition," IEEE Access, vol. 11, pp. 34500–34512, 2023.
B. Sasongko, R. Irwansyah, dan A. Nugraha, "Pra-pemrosesan Citra Menggunakan Rescaling untuk Klasifikasi CNN," Jurnal Informatika dan Sistem Informasi, vol. 9, no. 1, pp. 12–19, 2023.
Husen, "Pengaruh Pra-pemrosesan Citra terhadap Akurasi Model CNN," Jurnal Teknologi dan Sistem Komputer, vol. 10, no. 2, pp. 64–70, 2024.
F. Ardianto, M. Farhan, dan A. Sari, "Normalisasi Citra untuk Peningkatan Performa CNN," Jurnal Ilmu Komputer dan Sistem Informasi, vol. 8, no. 2, pp. 89–95, 2023.
N. Nurfalah, F. Sari, dan T. Ramadhani, "Strategi Mengatasi Overfitting Pada CNN Menggunakan Augmentasi Data," Jurnal Sains Komputer, vol. 7, no. 1, pp. 33–40, 2022.
S. Rohmah, D. Saputra, dan I. Hidayati, "Implementasi Data Augmentation untuk Peningkatan Akurasi Deep Learning," Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 6, no. 2, pp. 105–112, 2023.
Widodo dan Amalia, "Analisis Pengaruh Keseimbangan Dataset pada CNN," Jurnal Sains Komputer Indonesia, vol. 8, no. 2, pp. 77–83, 2023.
Hermanto dan Saputra, "Distribusi Data dan Akurasi Deep Learning," Jurnal Teknologi Komputer, vol. 5, no. 2, pp. 65–71, 2023.
Roy, M., M. Das, dan P. Das, "Comparative Study of Optimizers in Deep Learning Models," Procedia Computer Science, vol. 217, pp. 1667–1676, 2023.
D. P. Kingma dan J. Ba, "Adam: A Method for Stochastic Optimization," arXiv preprint arXiv:1412.6980, 2015.
M. Achmad dan R. Haris, "Pengaruh Pengaturan Patience Pada EarlyStopping dan ReduceLROnPlateau dalam CNN," Jurnal Teknologi Informasi, vol. 11, no. 1, pp. 55–63, 2023.
Putri, A., Nugroho, R., & Sari, D. (2024). Implementasi MobileNet pada klasifikasi citra cuaca ringan. Jurnal Teknologi Informasi dan Komputer, 12(1), 55–62.
Hartono, A., & Wahyuni, S. (2025). Efektivitas EfficientNet dalam klasifikasi citra berbasis musim menggunakan transfer learning. Jurnal Komputasi dan Sains Data, 8(2), 88–97.
A. Arya, B. Huda, dan N. Kurniawan, "Optimasi GlobalAveragePooling pada Model CNN untuk Klasifikasi Citra," Jurnal Sistem dan Informatika, vol. 9, no. 1, pp. 30–38, 2023.
Y. Zhang, L. Yu, dan Q. Wang, "Dropout Strategies for Convolutional Neural Networks," IEEE Transactions on Neural Networks and Learning Systems, vol. 32, no. 1, pp. 271–283, 2021.
B. Almaslukh, "Batch Normalization in CNN: A Review," International Journal of Advanced Computer Science and Applications, vol. 12, no. 5, pp. 512–518, 2021.
A. Winarto, R. Mailasari, dan N. Purnamawati, "Implementasi Transfer Learning MobileNetV2 pada Klasifikasi Citra," Jurnal Teknologi Informasi dan Sistem Komputer, vol. 11, no. 1, pp. 45–51, 2023.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 JEKIN - Jurnal Teknik Informatika

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
JEKIN-Journal of Informatics Engineering provides open access to anyone, ensuring that the information and findings in the article are useful to everyone. This journal article's entire contents can be accessed and downloaded for free. In accordance with the Creative Commons Attribution-ShareAlike 4.0 International License.
JEKIN-Journal of Informatics Engineering is licensed under a Creative Commons Attribution-ShareAlike 4.0