Publisher

UPBUPB

Journal Computer Based Information System JournalComputer Based Information System Journal Abstract

Penelitian ini mengembangkan sebuah sistem pengenal jenis tumbuhan melalui analisis gambar daun dengan memanfaatkan algoritma Convolutional Neural Network (CNN). Sistem ini dirancang untuk mengenali dua jenis tumbuhan, yaitu pepaya dan sirih, menggunakan dataset yang terdiri dari 700 gambar daun (350 gambar daun pepaya dan 350 gambar daun sirih). Proses penelitian meliputi pengumpulan data gambar daun, preprocessing data untuk menyesuaikan ukuran dan format gambar, serta pelatihan model CNN untuk klasifikasi jenis daun. Hasil eksperimen menunjukkan bahwa model CNN yang dikembangkan memiliki tingkat akurasi yang tinggi dalam membedakan antara daun pepaya dan daun sirih. Sistem ini diharapkan dapat berkontribusi dalam bidang botani dan pertanian dengan memberikan alat yang efisien untuk identifikasi tumbuhan berdasarkan karakteristik morfologi daun.

Conclusion

Penelitian ini berhasil mengembangkan sistem pengenal jenis tumbuhan menggunakan Convolutional Neural Network (CNN) untuk mengidentifikasi daun pepaya dan sirih.Dengan pelatihan pada dataset 700 gambar, model CNN mencapai akurasi tinggi dalam membedakan kedua jenis tumbuhan tersebut.Sistem ini diharapkan berkontribusi signifikan dalam bidang botani dan pertanian sebagai alat identifikasi tumbuhan yang efisien berdasarkan morfologi daun.

Future Research

Mengingat keberhasilan sistem pengenalan jenis tumbuhan ini yang sangat menjanjikan untuk pepaya dan sirih, terdapat beberapa arah penelitian lanjutan yang sangat berpotensi untuk dieksplorasi lebih jauh. Pertama, akan sangat berharga untuk memperluas cakupan penelitian dengan menguji efektivitas model Convolutional Neural Network (CNN) dalam mengidentifikasi lebih banyak spesies tumbuhan, terutama yang memiliki kemiripan morfologi daun yang tinggi, serta menggunakan dataset gambar yang lebih besar dan bervariasi. Hal ini penting untuk mengukur sejauh mana kemampuan generalisasi sistem ini di lingkungan botani yang lebih kompleks. Kedua, penelitian berikutnya dapat fokus pada peningkatan ketahanan dan adaptabilitas sistem terhadap kondisi lingkungan yang beragam, seperti perbedaan intensitas cahaya, latar belakang yang ramai, atau daun yang sebagian rusak, untuk memastikan performa yang konsisten di skenario penggunaan dunia nyata. Bagaimana sistem dapat mempertahankan akurasi tinggi di bawah kondisi pengambilan gambar yang tidak ideal menjadi pertanyaan kunci. Terakhir, sangat menarik untuk membandingkan kinerja model CNN yang telah dikembangkan dengan arsitektur deep learning lainnya, atau bahkan mengoptimalkan arsitektur CNN yang ada menggunakan teknik seperti transfer learning dari model pra-terlatih yang lebih besar, guna mencapai akurasi yang lebih tinggi dan efisiensi komputasi yang lebih baik, terutama jika sistem ini nantinya akan diimplementasikan pada perangkat bergerak. Penelitian-penelitian ini akan semakin memperkuat dasar ilmiah dan potensi aplikasi teknologi pengenalan citra dalam bidang botani dan pertanian.

Metadata

File size	425.13 KB
Pages	6
DMCA	Report