IOINFORMATICIOINFORMATIC

JUKI : Jurnal Komputer dan InformatikaJUKI : Jurnal Komputer dan Informatika

Melicope latifolia, atau dikenal sebagai Pauh-Pauh, adalah tanaman hutan dari famili Rutaceae yang memiliki manfaat kesehatan sebagai anti-hepatitis C virus. Pengembangan model klasifikasi citra berbasis Convolutional Neural Network (CNN) dilakukan untuk mengenali berbagai bagian tanaman Melicope latifolia, yang saat ini masih kekurangan dataset. Dataset khusus yang dikumpulkan terdiri dari 400 citra berkualitas tinggi mencakup batang, buah, daun, dan ranting, dan dibagi menjadi data pelatihan, validasi, dan pengujian dengan rasio 70:10:20. Model CNN dilatih selama 200 epoch, dan evaluasi kinerja menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil menunjukkan bahwa model mencapai akurasi tertinggi sebesar 89,17%, dengan performa terbaik pada kelas buah yang memiliki precision dan recall sebesar 100%. Hasil ini menunjukkan potensi penerapan CNN dalam klasifikasi tanaman Melicope latifolia, meskipun diperlukan optimasi lebih lanjut, seperti augmentasi data dan penyesuaian parameter.

Model Convolutional Neural Network (CNN) yang dikembangkan untuk klasifikasi bagian-bagian tanaman Melicope latifolia telah berhasil menunjukkan performa yang cukup baik, dengan akurasi mencapai 89,17% setelah pelatihan selama 200 epoch dan menggunakan total 400 citra dalam dataset.Evaluasi hasil menggunakan metrik accuracy, precision, recall, dan F1-score mengindikasikan kemampuan model dalam mengklasifikasikan sebagian besar citra dengan baik, terutama pada kelas buah, yang menunjukkan performa paling optimal di antara kelas lainnya.Meskipun demikian, kesalahan klasifikasi yang terjadi pada beberapa kelas, terutama batang dan ranting, menunjukkan perlunya optimalisasi lebih lanjut melalui augmentasi data dan eksplorasi arsitektur model yang lebih kompleks.

1. Bagaimana augmentasi data dapat meningkatkan akurasi klasifikasi bagian tanaman Melicope latifolia yang memiliki kesamaan fitur visual seperti batang dan ranting? 2. Apakah penggunaan model transfer learning berbasis jaringan saraf tiruan yang lebih canggih dapat meningkatkan kinerja klasifikasi citra tanaman hutan secara signifikan? 3. Bagaimana variasi kondisi pengambilan gambar (misalnya, pencahayaan dan sudut pandang) memengaruhi ketepatan model CNN dalam mengenali bagian-bagian tanaman Melicope latifolia?.

  1. OPTIMASI AKURASI METODE CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI KUALITAS BUAH APEL HIJAU | Jurnal... doi.org/10.36040/mnemonic.v6i2.6730OPTIMASI AKURASI METODE CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI KUALITAS BUAH APEL HIJAU Jurnal doi 10 36040 mnemonic v6i2 6730
  2. Klasifikasi Jenis Tanaman Hias Menggunakan Metode Convolutional Neural Network (CNN) | INTECOMS: Journal... doi.org/10.31539/intecoms.v6i2.7002Klasifikasi Jenis Tanaman Hias Menggunakan Metode Convolutional Neural Network CNN INTECOMS Journal doi 10 31539 intecoms v6i2 7002
Read online
File size513.17 KB
Pages8
DMCAReport

Related /

ads-block-test