LiteSCSA-MobileNetV3: Lightweight Model dengan Mekanisme Hybrid Attention untuk Klasifikasi Penyakit Buah Apel

Suciadi, Evangeline (2026) LiteSCSA-MobileNetV3: Lightweight Model dengan Mekanisme Hybrid Attention untuk Klasifikasi Penyakit Buah Apel. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (918kB)
	PDF BAB_I.pdf Download (292kB)
	PDF BAB_II.pdf Download (758kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (612kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (246kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (306kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)
	Archive (ZIP) 00000068887_2521_LembarPengesahan.pdf Restricted to Registered users only Download (66kB)

Abstract

Deteksi dini penyakit pada apel krusial bagi ketahanan pangan, namun inspeksi manual seringkali sulit dijangkau oleh petani. Penelitian ini memperkenalkan LiteSCSA-MobileNetV3, sebuah arsitektur deep learning yang ringan yang dirancang untuk klasifikasi penyakit pada permukaan buah apel dalam perangkat seluler. Model ini menggunakan backbone MobileNetV3 yang dipersingkat dan diintegrasikan dengan mekanisme Sequential Channel dan Spatial Attention (LiteSCSA) yang ringan untuk memperkuat represenasi fitur pada area informatif. Dengan akurasi 93,14% dan skor F1 sebesar 93,07%, dengan berat hanya 269,458 parameter. Hal ini menandakan bahwa model tersebut lebih ringan dibandingkan MobileNetV3 standar. Implementasi pada aplikasi seluler berbasis ONNX membuktikan bahwa penyederhanaan mekanisme attention dan pemangkasan backbone mampu menjaga performa klasifikasi tetap baik walau ringan dimana 15 citra diuji pada aplikasi menghasilkan akurasi sebanyak 86,67% serta beban komputasi 0,0832 GFLOPs.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Suciadi, Evangeline (00000068887)
Contributors:	Sunardi Oetama, Raymond
Keywords:	Deep learning, Klasifikasi Penyakit Apel, MobileNetV3-Small, Mekanisme Attention, Perangkat Seluler
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	25 Jul 2026 07:59
URI:	https://kc.umn.ac.id/id/eprint/48121

Actions (login required)

View Item