Implementasi Deep Learning Menggunakan Metode Convolutional Neural Network Untuk Klasifikasi Jenis Bunga Anggrek
DOI:
10.47709/dsi.v4i2.4941Keywords:
Bunga Anggrek, Klasifikasi, CNNDimension Badge Record
Abstract
Bunga merupakan salah satu komponen estetika yang penting dalam kehidupan manusia. Di Indonesia, terdapat berbagai jenis bunga dengan karakteristik unik, seperti warna dan bentuknya. Anggrek adalah famili terbesar dalam tumbuhan berbunga, yang mencakup sekitar 7-10% dari seluruh spesies berbunga di dunia, dan di Indonesia diperkirakan ada sekitar 4.000-5.000 jenis anggrek. Beberapa penelitian telah dilakukan untuk mengklasifikasikan bunga menggunakan metode pembelajaran mesin, namun pengklasifikasian anggrek menghadapi kendala karena adanya variasi warna yang luas dan kemiripan bentuk antar spesies, sehingga masyarakat sulit membedakan jenis anggrek yang berbeda. Keunikan anggrek yang menjadi daya tarik bagi penggemar tanaman hias terutama terletak pada bunga dan warna bunganya yang beragam. Pengklasifikasian secara manual saat ini dilakukan berdasarkan ciri mahkota bunga dan susunannya dengan cara pengamatan langsung, yang kurang efektif dan memerlukan waktu serta tenaga yang besar jika dilakukan dalam jumlah banyak. Dari berbagai metode deep learning, metode Convolutional Neural Network (CNN) adalah yang paling sesuai untuk penelitian ini, karena CNN dianggap sebagai model unggul dalam menangani masalah object detection dan object recognition. Oleh karena itu, dikembangkanlah aplikasi yang dapat mengatasi masalah ini melalui pengambilan citra bunga, didukung oleh teknologi berbasis deep learning dengan metode convolutional neural network sebagai solusi untuk mengklasifikasikan berbagai jenis tanaman bunga sebagai langkah dalam mendeteksi jenis bunga. Tujuan dari penelitian ini adalah mengembangkan model CNN yang dapat mengklasifikasikan jenis anggrek berdasarkan kecocokan gambar input dengan dataset yang tersedia. Berdasarkan simulasi yang telah dilakukan, model ini berhasil mencapai rata-rata akurasi sebesar 94,28%.
Abstract viewed = 86 times
Downloads
ARTICLE Published HISTORY
Issue
Section
License
Copyright (c) 2024 Nurhalimah Panjaitan, Sriani Sriani, Armansyah Armansyah

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.