Melola Discovery

← Melola Discovery

Open access Journal SINTA 2

Implementasi Convolutional Neural Network pada Klasifikasi Citra Daun Tanaman Hias

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

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

Abstract

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.

Collaboration network of the authors

No co-authors found in Melola yet.

This record comes from Crossref (what the publisher deposited), because the journal's own OAI-PMH endpoint could not be harvested.

Metadata source: Crossref API (cadangan, berdasarkan ISSN) https://api.crossref.org/journals/2775-1813/works, first harvested 26 Oct 2026, last seen 15 Nov 2026.
Metadata as oai_dc, converted from 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>