Klasifikasi Genus Tanaman Anggrek Menggunakan Metode Convolutional Neural Network (cnn)

Abstract

Abstrak
Anggrek merupakan salah satu tanaman hias yang banyak dibudidayakan. Tiap genus anggrek
mempunyai cara budidaya yang berbeda, sehingga para pembudidaya anggrek yang baru memulai perlu
mengetahui genus dari anggrek yang akan dibudidayakannya terlebih dahulu. Namun tidak sedikit
pemula yang mencoba membudidayakan anggrek tanpa ada pengetahuan dan pengalaman yang cukup, sehingga anggrek yang dibudidayakan tidak tumbuh dan berbunga dengan optimal. Dalam penelitian ini
dibangun sebuah sistem yang dapat mengklasifikasi citra genus tanaman anggrek, yaitu genus Cattleya, Dendrobium, Oncidium, Phalaenopsis dan Vanda. Klasifikasi citra dilakukan dengan menggunakan
metode Convolutional Neural Network (CNN). Dimana citra tanaman anggrek sebagai data input akan
dilakukan proses klasifikasi sesuai dengan genusnya. Semua proses klasifikasi ini dilakukan melalui
skema training dan testing, dimana tahap training menghasilkan sebuah model CNN beserta bobot (weight)
yang telah diperbarui (updated), lalu tahap testing menggunakan model tersebut untuk diujikan terhadap
data citra yang baru. K-Fold Cross Validation digunakan pada tahap training, lalu untuk mengevaluasi
model CNN setelah dilakukan testing, digunakan Confusion Matrix. Selain itu, pada penelitian ini
digunakan arsitektur CNN kustom dan MobileNetV2. Akhirnya, dari total model yang dihasilkan, didapat model terbaik dengan score akurasi testing dari lapangan sebesar 90.44% dan score akurasi
testing dari internet sebesar 80.54%, serta F1-Score tertinggi sebesar 98% dari genus Dendrobium. Kata Kunci: anggrek, klasifikasi citra, convolutional neural network, k-fold cross validation, confusion
matrix. Abstract
Orchid is one of the ornamental plants that is widely cultivated. Each genus of orchids has different
cultivation methods, so orchid cultivators who are just starting out need to know the genus of orchids they
will cultivate first. However, not a few beginners who try to cultivate orchids without sufficient knowledge
and experience, so the cultivated orchids do not grow and flower optimally. In this study, a system was
built that could classify the image of orchid genera, namely the genus Cattleya, Dendrobium, Oncidium, Phalaenopsis and Vanda. Image classification is carried out using the Convolutional Neural Network (CNN)
method. Where the image of the orchid as input data will be carried out according to the genus
classification process. All of these classification processes are carried out through a training and testing
scheme, where the training stage produces a CNN model and updated weights, then the testing stage uses
the model to be tested against new image data. K-Fold Cross Validation is used at the training stage, then
to evaluate the CNN model after testing, the Confusion Matrix is used. In addition, this research uses
custom CNN architecture and MobileNetV2. Finally, from the total models produced, the best model is
obtained with a testing accuracy score from the field of 90.44% and a testing accuracy score from the
internet of 80.54%, and the highest F1-score of 98% from the genus Dendrobium. Keywords: orchid, image classification, convolutional neural network, k-fold cross validation, confusion
matrix.