ABSTRAK
Pengolahan citra digital adalah bidang ilmu yang mempelajari berbagai teknik
untuk mengelola gambar. Salah satu pemanfaatan pengolahan citra digital yaitu
melakukan proses ekstraksi fitur citra untuk mendapatkan hasil jenis citra.
Penelitian ini bertujuan mengklasifikasikan berbagai jenis bunga menggunakan
metode deep learning dengan arsitektur Convolutional Neural Networks
MobileNetV3-Small. Penelitian ini dilakukan dengan menggunakan pendekatan
kuantitatif eksperimental dengan menggunakan data sekunder. Penelitian ini
menggunakan data open access dari Kaggle yang mencakup lima jenis bunga yaitu
daisy, dandelion, mawar, bunga matahari, dan tulip.Tahapan penelitian meliputi
pengumpulan dan pembagian data, pelatihan model menggunakan arsitektur
MobileNetV3-Small, serta pengujian dengan evaluasi menggunakan Confusion
Matrix. Delapan model dengan variasi hyperparameter diuji untuk menemukan
model dengan akurasi tertinggi. Model lima mencapai akurasi validasi tertinggi
sebesar 99.25%. Evaluasi menunjukkan bahwa model lima mencapai akurasi
tertinggi sebesar 92%. Hasil ini mengindikasikan bahwa peningkatan jumlah data
dan pengaturan parameter dapat secara signifikan meningkatkan akurasi model,
menunjukkan bahwa dengan lebih banyak data pelatihan dan pengaturan parameter
yang optimal, model dapat mencapai kinerja yang hampir sempurna.
Kata Kunci: MobileNetV3-Small, Deep Learning, Confusion Matrix,
Hyperparamter, Bunga.