Implementasi Metode Convolutional Neural Network (CNN) Untuk Mendeteksi Jenis Tanaman Herbal
Keywords:
convolutional neural network (CNN), deteksi, tanaman herbalAbstract
Tanaman herbal memiliki nilai sebagai alternatif terapeutik alami terhadap bahan kimia, serta digunakan untuk penyediaan oksigen, bahan makanan, obat-obatan, dan kosmetik. Namun, karena pengetahuan masyarakat yang terbatas tentang tanaman ini, dokumentasi yang komprehensif sangat diperlukan. Dengan memanfaatkan teknologi, khususnya pengolahan citra digital, jenis tanaman herbal dapat diklasifikasikan melalui analisis daun menggunakan metode Convolutional Neural Network (CNN). CNN, jaringan saraf yang dirancang untuk klasifikasi gambar, bekerja dengan mengidentifikasi fitur pada gambar daun tanaman herbal. Proses ini melibatkan operasi konvolusi yang membagi gambar menjadi "feature maps", masing-masing menangkap detail spesifik, diikuti oleh operasi pooling untuk klasifikasi fitur. Tahap pelatihan menggunakan data berlabel untuk mengajarkan CNN membedakan daun dari objek lainnya. Untuk memastikan akurasi tinggi dan mencegah overfitting dalam klasifikasi jenis tanaman herbal, arsitektur Inception-V3 diterapkan. Inception-V3 adalah arsitektur CNN canggih yang digunakan untuk menangani dataset gambar yang kompleks. Penelitian ini dilakukan menggunakan bahasa pemrograman Python di Google Collaboratory. Metode klasifikasi ini mencapai tingkat akurasi tinggi sebesar 98,51%, menunjukkan keefektifannya. Hasil penelitian ini adalah model pembelajaran mesin yang dapat diakses secara online dan mampu mendeteksi serta mengklasifikasikan berbagai jenis tanaman herbal berdasarkan daunnya. Kemajuan dalam klasifikasi tanaman herbal ini dapat secara signifikan membantu dokumentasi dan pemahaman yang lebih luas tentang tanaman obat, mendorong penggunaannya dan pelestariannya.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Jurnal SAINTEK Patompo
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.