Klasifikasi Genus Tanaman Sukulen Menggunakan Convolutional Neural Network

Hamad Fauzi Jessar, Agung Toto Wibowo, Ema Rachmawati

Abstract

Abstrak
Tanaman sukulen merupakan jenis tanaman hias yang banyak ditemukan jenisnya di indonesia. Tanaman
sukulen mempunyai banyak jenis genus yang dimana setiap genus mempunyai ciri dan karakteristik yang
beragam sehingga sulit untuk mengidentifikasi jenis genus pada tanaman sukulen.Oleh karena itu, penulis
membuat sebuah sistem yang dapat mengenali jenis genus tanaman sukulen melalui gambar
menggunakan metode Convolutional Neural Network (CNN). CNN merupakan salah satu teknik deep
learning yang dapat digunakan untuk mengenali objek dua dimensi seperti gambar dan video. CNN
memiliki banyak jenis arsitektur jaringan, arsitektur jaringan CNN yang digunakan penulis untuk
membangun sistem ini adalah custom arsitektur dan penulis juga menggunakan k fold cross validation
yang bertujuan untuk memastikan keakuratan akurasi yang dihasilkan oleh model sistem. Penelitian
dilakukan penulis dengan membandingkan antara model yang dilatih menggunakan dataset berwarna
(RGB) dan model yang dilatih menggunakan dataset grayscale. Dari hasil penelitian didapatkan bahwa
model yang dilatih menggunakan dataset berwarna mempunyai akurasi testing yang lebih tinggi
dibandingkan dengan model yang dilatih menggunakan dataset grayscale. Akurasi testing yang dihasilkan
model yang dilatih dengan dataset berwarna sebesar 93% sedangkan model yang dilatih menggunakan
dataset grayscale sebesar 64%.
Kata kunci : convolutional neural network, deep learning, k fold, grayscale, RGB
Abstract
Succulent plants are a type of ornamental plant that are found in many species in Indonesia. Succulent plants have
many types of genera, where each genus has various characteristics and characteristics making it difficult to
identify the type of genus in succulent plants. Therefore, the authors created a system that can recognize the types of
succulent plant genera through images using the Convolutional Neural Network (CNN) method. ). CNN is a deep
learning technique that can be used to recognize two-dimensional objects such as images and videos. CNN has
many types of network architectures, the CNN network architecture used by the author to build this system is a
custom architecture and the author also uses k fold cross validation which aims to ensure the accuracy of the
accuracy generated by the system model. The research was conducted by the author by comparing the model trained
using the color dataset (RGB) and the model trained using the grayscale dataset. From the results of the study, it
was found that models trained using color datasets have higher accuracy than models trained using grayscale
datasets, namely 93% for models with color datasets while models with grayscale datasets have 64% accuracy.
Keywords: convolutional neural network, deep learning, k fold cross validation, RGB, grayscale

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0