ESTD PERPUSTAKAAN UNTAD
ESTD PERPUSTAKAAN UNTAD
| JudulIMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) PADA KLASIFIKASI CITRA DAUN TANAMAN HERBAL DENGAN MODEL MOBILENETV2 DAN MODEL RESNET50V2 |
| Nama: HARRY T. PAGIU |
| Tahun: 2025 |
| Abstrak Tanaman herbal merupakan salah satu tumbuhan yang bermanfaat dalam mencegah dan mengobati penyakit. Tanaman herbal yang terdapat di Indonesia sekitar kurang lebih 30.000 jenis tanaman herbal dan sekitar 1.200 jenis tanaman herbal yang telah dimanfaatkan oleh masyarakat Indonesia sebagai bahan baku pengobatan alternatif atau tradisional. Daun merupakan salah satu bagian dari tanaman herbal yang berguna sebagai bahan baku dalam pembuatan obat tradisional. Karakteristik yang unik dari daun membuat masyarakat belum mengenal daun herbal atau daun obat tersebut. Hal ini dikarenakan daun sekilas terlihat hampir sama, sehingga sulit untuk membedakannya. Jika dicermati, daun memiliki ciri-ciri yang dapat dibedakan antara daun satu dengan yang lain. Maka diperlukan suatu sistem yang dapat mengklasifikasikan daun berdasarkan citranya sehingga lebih mudah dalam mengenali tanaman herbal tersebut. Oleh karena itu, penelitian bertujuan untuk melakukan klasifikasi tanaman herbal berdasarkan bentuk daunnya menggunakan arsitektur CNN dari MobileNetV2 dan ResNet50V2. Hasil penelitian berupa performa model dari MobileNetV2 dan ResNet50V2 dalam mengklasifikasi tanaman herbal berdasarkan bentuk daunnya. Dari hasil evaluasi menggunakan confusion matrix bahwa arsitektur MobileNetV2 mendapatkan nilai accuracy sebesar 98.77%, precision 97.84%, recall 98.77?n f1-score 98.77%. Sedangkan, arsitektur ResNet50V2 mendapatkan nilai accuracy sebesar 97.53%, precision sebesar 97.87%, recall sebesar 97.53?n f1-score sebesar 97.58%. Dari hasil evaluasi tersebut menunjukkan bahwa arsitektur MobileNetV2 mendapatkan performa model terbaik dibandingkan dengan ResNet50V2. Kata kunci: Daun, Klasifikasi, MobileNetV2, ResNet50V2 |