Implementasi Convolutional Neural Network pada Klasifikasi Citra Daun Tanaman Hias

Betty Suswati

doi:10.51454/decode.v4i2.590

Authors

Betty Suswati Informatika Universitas Gunadarma

DOI:

https://doi.org/10.51454/decode.v4i2.590

Keywords:

Citra, CNN, Daun, Klasifikasi, Tanaman Hias

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.

References

Adak, M. F. (2020). Identification of Plant Species by Deep Learning and Providing as A Mobile Application. Sakarya University Journal of Computer and Information Sciences, 3(3), 231-237. https://doi.org/10.35377/saucis.03.03.773465

Ahmad, M. U., Ashiq, S., Badshah, G., Khan, A. H., & Hussain, M. (2022). Feature Extraction of Plant Leaf Using Deep Learning. Complexity, 2022. https://doi.org/10.1155/2022/6976112

Bhelkar, N. S. (2022). Identification and classification of medicinal plants using leaf with deep convolutional neural networks. 6(May), 11596–11605.

Fitrianingsih, F., & Rodiah, R. (2021). Klasifikasi Jenis Citra Daun Mangga Menggunakan Convolutional Neural Network. Jurnal Ilmiah Teknologi dan Rekayasa, 25(3), 223-238. http://dx.doi.org/10.35760/tr.2020.v25i3.3519

Jessar, H. F., Toto Wibowo, A., & Rachmawati, E. (2021). Klasifikasi Genus Tanaman Sukulen Menggunakan Convolutional Neural Network. Proceeding of Engineering, 8(2), 3180–3195.

Kant, J., & Singh, P. (2022). Plant Leaf Classification using Convolutional Neural Network. June. https://doi.org/10.2174/2666255813999200904162029

Mariska Putri, D., Indrawan Junaedi, D., & Hendrian. (2021). Ornamental Plant ’ s Potentials of Indonesian Native Rubiaceae Collected in Cibodas Botanical Garden. International Journal of Agricultural System, 9(1), 1-9. https://doi.org/10.20956/ijas.v9i1.2718

Minarno, A. E., Ibrahim, Z., Nur, A., Hasanuddin, M. Y., Diah, N. M., & Munarko, Y. (2022). Leaf Based Plant Species Classification Using Deep Convolutional Neural Network. 2022 10th International Conference on Information and Communication Technology, ICoICT 2022, 99–104. https://doi.org/10.1109/ICoICT55009.2022.9914851

Muhammad, S., & Wibowo, A. T. (2021). Klasifikasi Tanaman Aglaonema Berdasarkan Citra Daun Menggunakan Metode Convolutional Neural Network (Cnn. E-Proceeding of Engineering, 8(5), 10621–10636.

Olewnicki, D., Jabłońska, L., & Dudek, H. (2019). The demand for ornamental plants in poland after its integration into the eu: A quantitative approach. Bulgarian Journal of Agricultural Science, 25(5), 932–943.

Pratiwi, H. A., Cahyanti, M., & Lamsani, M. (2021). Implementasi Deep Learning Flower Scanner Menggunakan Metode Convolutional Neural Network. Sebatik, 25(1), 124–130. https://doi.org/10.46984/sebatik.v25i1.1297

Rambey, R., & Permana, J. (2022). Identification of ornamental plant species in the Martelu Purba Nature Reserve, North Sumatra. IOP Conference Series: Earth and Environmental Science, 1115(1), 2–7. https://doi.org/10.1088/1755-1315/1115/1/012024

Salachna, P. (2022). Trends in Ornamental Plant Production. Horticulturae, 8(5), 10–12. https://doi.org/10.3390/horticulturae8050413

Suminah, Suwarto, Sugihardjo, Anantanyu, S., & Padmaningrum, D. (2021). Self reliance of ornamental plants agribusiness actors during the Covid pandemic in Surakarta. IOP Conference Series: Earth and Environmental Science, 905(1), 1–9. https://doi.org/10.1088/1755-1315/905/1/012062

Syahrir, R. Z., & Eri Prasetyo Wibowo. (2021). Classification of Leaves Based on the Shape of Leaves Using Convolutional Neural Network Methods. IAIC Transactions on Sustainable Digital Innovation (ITSDI), 3(1), 1–7. https://doi.org/10.34306/itsdi.v3i1.491

Tugrul, B., Elfatimi, E., & Eryigit, R. (2022). Convolutional Neural Networks in Detection of Plant Leaf Diseases: A Review. Agriculture (Switzerland), 12(8). https://doi.org/10.3390/agriculture12081192

Wu, P., & Zhou, Q. (2021). Leaf Classification Based on Convolutional Neural Network. 1820, 1–6. https://doi.org/10.1088/1742-6596/1820/1/012161