Klasifikasi Genus Tanaman Sukulen Menggunakan Convolutional Neural Network

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