##plugins.themes.academic_pro.article.main##
Penerapan Arsitektur Convolutional Neural Network Untuk Klasifikasi Biner Pada Objek Daun Mangga dan Jambu
Abstract
Identifikasi klasifikasi jenis tumbuhan secara otomatis berdasarkan citra daun masih menjadi tantangan tersendiri di bidang botani dan pertanian. Untuk mengatasi masalah ini, arsitektur Convolutional Neural Network (CNN) diterapkan untuk melakukan tugas klasifikasi biner, yaitu membedakan antara objek daun mangga (Mangifera indica) dan daun jambu biji (Psidium guajava) berdasarkan citranya. Dataset terdiri dari 1004 citra (502 mangga dan 502 jambu), dibagi menjadi 80% data latih dan 20% data validasi. Arsitektur CNN yang dibangun mencakup tiga lapisan konvolusi untuk ekstraksi fitur otomatis, diikuti lapisan pooling, flatten, dropout, dan dense untuk klasifikasi. Model dilatih menggunakan data latih yang telah di augmentasi selama 15 epoch dengan optimizer Adam dan fungsi loss binary crossentropy. Hasil evaluasi pada data validasi menunjukkan model mencapai akurasi 95.02%, membuktikan kemampuan dalam mempelajari pola pembeda dan melakukan klasifikasi biner pada objek daun secara efektif.
##plugins.themes.academic_pro.article.details##
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
References
P. Nethala, D. Um, N. Vemula, O. F. Montero, K. Lee, and M. Bhandari, “Techniques for Canopy to Organ Level Plant Feature Extraction via Remote and Proximal Sensing: A Survey and Experiments,” Remote Sens., vol. 16, no. 23, p. 4370, Nov. 2024, doi: 10.3390/rs16234370.
A. Awasthi, S. B. Rao, and K. Acharjya, “Efficient Image Feature Extraction using Convolutional Neural Networks,” in Proceedings of the ICONAT 2024, 2024, pp. 1–5. doi: 10.1109/iconat61936.2024.10775088.
P. S. Prasad and A. Senthilrajan, “Advancing Plant Identification Through Leaf Image Analysis: A Comprehensive Review of Literature and Techniques,” in International Conference on Sustainable Emerging Innovations in Engineering and Technology (ICSEIET), IEEE, Sep. 2023, pp. 629–635. doi: 10.1109/ICSEIET58677.2023.10303450.
D. R. R. Putra and R. A. Saputra, “Implementasi Convolutional Neural Network (CNN) Untuk Mendeteksi Penggunaan Masker Pada Gambar,” J. Inform. dan Tek. Elektro Terap., vol. 11, no. 3, Aug. 2023, doi: 10.23960/jitet.v11i3.3286.
M. Diqi and S. H. Mulyani, “Implementation of CNN for Plant Leaf Classification,” Int. J. Informatics Comput., vol. 2, no. 2, p. 1, Mar. 2021, doi: 10.35842/ijicom.v2i2.28.
N. L. Marpaung, R. J. H. Butar-butar, and S. Hutabarat, “Implementasi Deep learning untuk Identifikasi Daun Tanaman Obat Menggunakan Metode Transfer learning,” J. Edukasi dan Penelit. Inform., vol. 9, no. 3, pp. 348–354, 2023, doi: https://doi.org/10.26418/jp.v9i3.63895.
S. Rahman, M. Ramli, F. Arnia, R. Muharar, M. Zen, and M. Ikhwan, Convolutional Neural Network Untuk Visi Komputer, 1st ed. Sleman: Deepublish, 2021. [Online]. Available: https://books.google.co.id/books?hl=id&lr=&id=QxZSEQAAQBAJ&oi=fnd&pg=PR4&dq=buku+konvolusi+cnn+dan+canny&ots=YwU9cpE32X&sig=QwebSpf4O-ZrzQdr2Ey6OKEEyjM&redir_esc=y#v=onepage&q&f=false
N. Althuniyan, A. R. Al-Shamasneh, A. Bawazir, Z. Mohiuddin, and S. Bawazir, “DeepLeaf: Automated Leaf Classification Using Convolutional Neural Networks,” Eur. Sci. Journal, ESJ, vol. 20, no. 30, p. 22, Oct. 2024, doi: 10.19044/esj.2024.v20n30p22.
M. E. Irhebhude, “Classification Of Plants By Their Fruits And Leaves Using Convolutional Neural Networks,” Sci. Inf. Technol. Lett., vol. 5, no. 1, pp. 1–15, Oct. 2024, doi: 10.31763/sitech.v5i1.1364.
S. Dewi, F. Ramadhani, and S. Djasmayena, “Klasifikasi Jenis Jerawat Berdasarkan Gambar Menggunakan Algoritma CNN ( Convolutional Neural Network ),” Hello World, vol. 3, pp. 4–9, 2024.
A. Ibnul Rasidi, Y. A. H. Pasaribu, A. Ziqri, and F. D. Adhinata, “Klasifikasi Sampah Organik dan Non-Organik Menggunakan Convolutional Neural Network,” J. Tek. Inform. dan Sist. Inf., vol. 8, no. 1, Apr. 2022, doi: 10.28932/jutisi.v8i1.4314.
G. Kaur, N. Sharma, S. Malhotra, S. Devlival, and R. Gupta, “Kidney Tumor Detection and Classification Using Convolutional Neural Network Architecture,” in 2024 2nd World Conference on Communication & Computing (WCONF), IEEE, Jul. 2024, pp. 1–5. doi: 10.1109/WCONF61366.2024.10691954.
W. Setiawan, Deep Learning Menggunakan Convolutional Neural Network : Teori dan Aplikasi. Malang: Media Nusa Creative, 2020. [Online]. Available: https://bintangpusnas.perpusnas.go.id/konten/BK22660/deep-learning-menggunakan-convolutional-neural-network-teori-dan-aplikasi#
A. Zhang, Z. C. Lipton, M. Li, and A. J. Smola, Dive into Deep Learning, 1st ed. Melbourne: Cambridge University Press, 2023. [Online]. Available: https://books.google.co.id/books?id=vfDiEAAAQBAJ
E. L. Frannita and A. R. Prananda, “Penerapan Metode CNN (Convolutional Neural Network) untuk Mengklasifikasikan Jenis Cacat pada Kulit Hewan,” TIN Terap. Inform. Nusant., vol. 5, no. 2, pp. 125–134, Jul. 2024, doi: 10.47065/tin.v5i2.5390.
