Klasifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Metode Convolutional Neural Network
Abstract
Salah satu makhluk hidup yang dibutuhkan oleh manusia adalah tumbuhan. Sebelum memanfatkan tumbuhan, langkah terbaik yaitu mengidentifikasinya. Hal ini karena memiliki banyak kemaripan antar tumbuhan, seperti kemiripan daun. Maka dari itu dibutuhkan teknologi yang dapat mengidentifikasi tumbuhan berdasarkan daunnya. Convolutional Neural Network (CNN) merupakan salah satu pengembangan algoritma Multilayer Perceptron (MLP) yang mampu mengidentifikasi data dua dimensi, seperti gambar dan suara. Arsitektur CNN yang digunakan yaitu VGG-16 dengan terdapat 2300 citra daun. VGG-16 yang dikembangkan oleh K. Simonyan dan A. Zisserman memiliki 13 convolution layer dengan fungsi aktifasi ReLU dan 5 pooling layer. VGG-16 mempunyai dua Fully Connected layer yang mempunyai 4096 neuron setiap layer. Pada layer akhir terdapat pengklasifikasian 23 kelas menggunakan aktifasi softmax. Akurasi yang dihasilkan berhasil mencapai 92,6%. Sedangkan akurasi pada identifikasi mampu mencapai 92% yang didapatkan dari pengujian 50 citra. Kesimpulan dari penelitian ini bahwa algoritma Convolutional Neural Network (CNN) yang dibangun relatif mampu mengidentifikasi jenis tumbuhan berdasarkan citra daun dan tingkat efektivitas model mengidentifikasi jenis tumbuhan berdasarkan citra daun kurang baik.
Kata Kunci : Convolutional Neural Network, VGG-16, Identifikasi
Full Text:
PDFReferences
Anugerah, A. G. 2018. Klasifikasi Tingkat Keganasan Kanker Paru-paru pada Citra Computed Tomography (CT) Scan Menggunakan Metode Convolutional Neural Network= Classification Level Of Cancer Rate Rations In Computed Tomography (Ct) Scan Using Convolutional Neural Network Method (Doctoral dissertation, Institut Teknologi Sepuluh Nopember).
Baldi, P., & Sadowski, P. J. 2013. “Understanding dropout” . Advances in neural information processing systems, 26, 2814-2822.
Berrar, D. 2019. Cross-validation. Encyclopedia of bioinformatics and computational biology, 1, 542-545.
Chauhan, R., Ghanshala, K. K., & Joshi, R. C. 2018. Convolutional neural network (CNN) for image detection and recognition. In 2018 First International Conference on Secure Cyber Computing and Communication (ICSCCC) (pp. 278-282). IEEE.
Giana, S. S. (2014). ANALISA HASIL IMAGE SHARPENING DENGAN MENGGUNAKAN METODE HIGH PASS FILTER (Doctoral dissertation, Universitas Islam Negeri Sultan Syarif Kasim Riau).
Setiawan, H. H. 2018. "Klasifikasi Jenis Buah Pisang Dengan Image Processing Menggunakan Metode Backpropagation". Skripsi S1, Universitas Sanata Dharma.
Ilahiyah, S., & Nilogiri, A. 2018. "Implementasi Deep Learning Pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural Network" . JUSTINDO (Jurnal Sistem Dan Teknologi Informasi Indonesia), 3(2), 49-56.
Kumar, N., Belhumeur, P. N., Biswas, A., Jacobs, D. W., Kress, W. J., Lopez, I., & Soares, V. B. 2012. Leafsnap : A Computer Vision System for Automatic Plant Species Identification, 1–14.
Kusumaningrum, T. F. 2018. Implementasi Convolution Neural Network (CNN) Untuk Klasifikasi Jamur Konsumsi di Indonesia Menggunakan Keras.
Lecun, Yann, Yoshua Bengio, and Geoffrey Hinton. 2015. “Deep Learning” 521. https://doi.org/10.1038/nature14539.
Nwankpa, C., Ijomah, W., Gachagan, A., & Marshall, S. 2018. Activation functions: Comparison of trends in practice and research for deep learning. arXiv preprint arXiv:1811.03378.
Nurfita, R. D., & Ariyanto, G. 2018. "Implementasi Deep Learning Berbasis Tensorflow Untuk Pengenalan Sidik Jari" . Emitor: Jurnal Teknik Elektro, 18(1), 22-27
Pujoseno, J. (2018). Implementasi Deep Learning Menggunakan Convolutional Neural Network Untuk Klasifikasi Alat Tulis.
Putra, I. W. S. E. 2016. Klasifikasi citra menggunakan convolutional neural network (CNN) pada caltech 101 (Doctoral dissertation, Institut Teknologi Sepuluh Nopember).
Ramachandran, P., Zoph, B., & Le, Q. V. 2017. Searching for activation functions. arXiv preprint arXiv:1710.05941.
Setiaji, A., Hidayatno, A., & Christyono, Y. 2016. "Identifikasi Jenis Tumbuhan Berdasarkan Tulang Daun Menggunakan Alihragam Wavelet" . Transient: Jurnal Ilmiah Teknik Elektro, 5(1), 23-28.
Sibero, A. F., & Saleh, A. 2020. "Identifikasi Tanaman Herbal Berdasarkan Citra Daun Menggunakan Cosine Similarity dan Features Extraction" . JURNAL MAHAJANA INFORMASI, 5(1), 94-104.
Simonyan, K., & Zisserman, A. 2014. Very deep convolutional networks for large-scale image recognition. arXiv preprint arXiv:1409.1556.
Vishwajith, S. 2017. Deep-Leafsnap. Diakses Februari 26, 2021. https://github.com/sujithv28/Deep-Leafsnap.
Wu, J. 2017. Introduction to convolutional neural networks. National Key Lab for Novel Software Technology. Nanjing University. China, 5, 23.
Zufar, M., & Setiyono, B. 2016. "Convolutional Neural Networks Untuk Pengenalan Wajah Secara Real-time" . Jurnal Sains dan Seni ITS, 5(2), 128862
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.