Abstract

Proses identifikasi manual jenis bunga yang memiliki kesamaan visual seperti bunga Alamanda, Mandevilla, dan Ruellia seringkali menghadapi tantangan dalam hal konsistensi dan efisiensi. Penelitian ini bertujuan untuk menganalisis kinerja model MobileNetV2 dengan pendekatan TransferLearning dalam mengklasifikasikan ketiga jenis bunga tersebut. Dataset yang digunakan berjumlah 5321 gambar yang terdiri dari 1968 gambar Alamanda, 1502 gambar Mandevilla, dan 1851 gambar Ruellia. Dataset dibagi menjadi data pelatihan (80%), validasi (10%), dan pengujian (10%). Proses pemrosesan data meliputi pra-pemrosesan dengan mengubah ukuran gambar menjadi 224x224 piksel, augmentasi data, dan standarisasi melalui normalisasi nilai piksel. Hasil penelitian menunjukkan bahwa model mencapai performa yang sangat baik dengan akurasi 100% pada pengujian data dan nilai loss 0.0394. Model juga menunjukkan hasil yang konsisten pada data training dengan akurasi 99.79% dan loss 0.0409. Confusion Matrix menunjukkan model berhasil mengklasifikasikan seluruh sampel dengan tepat tanpa ada kesalahan klasifikasi silang. Hasil ini menunjukkan bahwa arsitektur MobileNetV2 mampu mengenali dan membedakan karakteristik visual dari jenis bunga ketiga dengan sangat akurat, meskipun ketiganya memiliki bentuk dasar.