Melola Discovery

← Melola Discovery

Akses terbuka Jurnal SINTA 2

Implementasi Convolutional Neural Network pada Klasifikasi Citra Daun Tanaman Hias

Decode: Jurnal Pendidikan Teknologi Informasi · Vol. 4 No. 2 (2024) · hlm. 554–565

DOI
10.51454/decode.v4i2.590
ISSN
2775-1813, 2775-2984
Terbit
2024-06-26
Penerbit
Universitas Muhammadiyah Kendari
Lisensi
creativecommons.org/licenses/by-sa/4.0/

Abstrak

Tanaman hias yang diminati adalah memiliki variasi genetik yang tinggi seperti bentuk, tekstur daun dan warna bunga. Variasi jenis spesies tanaman hias mengakibatkan kesulitan dalam mengenali jenis dari tanaman ini. Penelitian ini mengusulkan model klasifikasi menggunakan citra daun dalam melakukan klasifikasi daun kedalam 7 kelas yaitu: Aglaonema Big Roy, Aglaonema Dona Carmen, Aglaonema Snow White, Philodenron Mercy, Philodenron Plowmanii, Syngonium Alussion dan Syngonium Pink Spot. Tahapan penelitian dimulai dengan mengidentifikasi fitur citra daun yg digunakan untuk membentuk model klasifikasi dengan menentukan parameter model klasifikasi CNN berdasarkan epochs, batch size, dan split data. Penelitian ini menggunakan rasio data pelatihan dan data pengujian 8:2. Penelitian ini juga membentuk ulang feature map yang dihasilkan pada proses pooling menjadi vektor input pada layer fully connected sehingga model dapat mengklasifikasikan citra daun dengan loss yang lebih rendah. Hasil pengujian dengan 50 epoch menujukkan semakin besar epoch yang digunakan maka nilai loss yang dihasilkan pada pelatihan data semakin rendah. Model klasifikasi berhasil melakukan klasifikasi dengan akurasi pada data uji mencapai 100%. Hasil penelitian ini diharapkan dapat mempermudah pengguna khususnya penggemar tanaman hias untuk mengenali jenis dari tanaman hias berdasarkan daunnya.

Jaringan kolaborasi para penulis

Belum ada rekan penulis di Melola.

Data ini berasal dari Crossref (yang disetorkan penerbit), karena endpoint OAI-PMH milik jurnal tidak dapat di-harvest.

Sumber metadata: Crossref API (cadangan, berdasarkan ISSN) https://api.crossref.org/journals/2775-1813/works, pertama di-harvest 26 Okt 2026, terakhir terlihat 15 Nov 2026.
Metadata sebagai oai_dc, dikonversi dari Crossref
<oai_dc:dc xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/"><dc:title>Implementasi Convolutional Neural Network pada Klasifikasi Citra Daun Tanaman Hias</dc:title><dc:creator>Suswati, Betty</dc:creator><dc:description>&lt;jats:p&gt;Tanaman hias yang diminati adalah memiliki variasi genetik yang tinggi seperti bentuk, tekstur daun dan warna bunga. Variasi jenis spesies tanaman hias mengakibatkan kesulitan dalam mengenali jenis dari tanaman ini. Penelitian ini mengusulkan model klasifikasi  menggunakan citra daun dalam melakukan klasifikasi daun kedalam 7 kelas yaitu: Aglaonema Big Roy, Aglaonema Dona Carmen, Aglaonema Snow White, Philodenron Mercy, Philodenron Plowmanii, Syngonium Alussion dan  Syngonium Pink Spot. Tahapan penelitian dimulai dengan mengidentifikasi fitur citra daun yg digunakan untuk membentuk model klasifikasi dengan menentukan parameter model klasifikasi CNN berdasarkan epochs, batch size, dan split data. Penelitian ini menggunakan rasio data pelatihan dan data pengujian 8:2. Penelitian ini juga membentuk ulang feature map yang dihasilkan pada proses pooling menjadi vektor input pada layer fully connected sehingga model dapat mengklasifikasikan citra daun dengan loss yang lebih rendah. Hasil pengujian dengan 50 epoch menujukkan semakin besar epoch yang digunakan maka nilai loss yang dihasilkan pada pelatihan data semakin rendah. Model klasifikasi berhasil melakukan klasifikasi dengan akurasi pada data uji mencapai 100%. Hasil penelitian ini diharapkan dapat mempermudah pengguna khususnya penggemar tanaman hias untuk mengenali jenis dari tanaman hias berdasarkan daunnya.&lt;/jats:p&gt;</dc:description><dc:publisher>Universitas Muhammadiyah Kendari</dc:publisher><dc:date>2024-06-26</dc:date><dc:type>info:eu-repo/semantics/article</dc:type><dc:format>application/pdf</dc:format><dc:identifier>https://doi.org/10.51454/decode.v4i2.590</dc:identifier><dc:identifier>10.51454/decode.v4i2.590</dc:identifier><dc:source>Decode: Jurnal Pendidikan Teknologi Informasi; Vol 4 No 2 (2024); 554-565</dc:source><dc:source>2775-1813</dc:source><dc:source>2775-2984</dc:source><dc:relation>https://journal.umkendari.ac.id/index.php/decode/article/download/590/258</dc:relation><dc:rights>https://creativecommons.org/licenses/by-sa/4.0/</dc:rights></oai_dc:dc>