UMIUMI

METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi AkuntansiMETHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi

Tanaman merupakan komponen penting dalam ekosistem, memberikan manfaat seperti pangan, oksigen, dan obat-obatan. Penelitian ini bertujuan mengidentifikasi jenis tanaman melalui citra daun dengan menggunakan metode deep learning, khususnya arsitektur Convolutional Neural Network Xception. Dataset yang digunakan terdiri dari 1.075 gambar daun yang terbagi menjadi lima kelas, dan model yang dibangun mencapai akurasi keseluruhan sebesar 74%. Hasil ini diharapkan dapat membantu masyarakat dalam mengidentifikasi tanaman secara cepat dan tepat guna.

Model klasifikasi yang dikembangkan menghasilkan akurasi 74% berdasarkan evaluasi menyeluruh dengan confusion matrix.Analisis detail menunjukkan bahwa satu kelas mengalami performa kurang optimal, kemungkinan disebabkan oleh keterbatasan dataset seperti ukuran sampel yang tidak memadai atau ketidakseimbangan kelas.Oleh karena itu, penelitian selanjutnya perlu meningkatkan kualitas dan kuantitas data gambar daun untuk memperbaiki akurasi keseluruhan.

Penelitian selanjutnya dapat menyelidiki apakah penggunaan teknik augmentasi data yang lebih beragam dapat meningkatkan akurasi model pada kelas yang lemah, dengan merumuskan pertanyaan: Bagaimana dampak augmentasi gambar lanjutan terhadap performa klasifikasi daun? Selain itu, penting untuk mengevaluasi apakah integrasi fitur tekstur dan warna tambahan melalui ekstraksi ciri tradisional dapat memperbaiki hasil, sehingga muncul pertanyaan: Apakah kombinasi fitur deep learning dan fitur klasik meningkatkan kemampuan identifikasi spesies daun? Selanjutnya, studi dapat memperluas cakupan kelas tanaman dengan menambah dataset berukuran besar dan seimbang, serta meneliti penerapan model pada aplikasi mobile real-time, mengajukan pertanyaan: Bagaimana efektivitas model dalam mengidentifikasi daun secara langsung melalui perangkat seluler di lingkungan lapangan?.

  1. Vol. 261 No. 3: 20 May 2016 | Phytotaxa. vol phytotaxa skip main content navigation menu site footer... phytotaxa.mapress.com/pt/issue/view/phytotaxa.261.3Vol 261 No 3 20 May 2016 Phytotaxa vol phytotaxa skip main content navigation menu site footer phytotaxa mapress pt issue view phytotaxa 261 3
  2. Computer vision cracks the leaf code | PNAS. computer vision cracks leaf code pnas contents significance... pnas.org/doi/full/10.1073/pnas.1524473113Computer vision cracks the leaf code PNAS computer vision cracks leaf code pnas contents significance pnas doi full 10 1073 pnas 1524473113
  3. Challenges in the real world use of classification accuracy metrics: From recall and precision to the... dx.plos.org/10.1371/journal.pone.0291908Challenges in the real world use of classification accuracy metrics From recall and precision to the dx plos 10 1371 journal pone 0291908
Read online
File size1.74 MB
Pages6
DMCAReport

Related /

ads-block-test