Hasibun Asikin
Teknik Informatika, STIKOM Uyelindo Kupang

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

KLASIFIKASI TANAMAN BERBIJI BERDASARKAN CITRA DAUN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) Pricilia Mariaty Latuan; Franki Yusuf Bisilisin; Hasibun Asikin
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Tanaman berbiji (Spermatophyta) merupakan kelompok tanaman dengan tingkat perkembangan filogenik yang tinggi dan memiliki peran penting dalam kehidupan manusia, baik sebagai sumber pangan, obat-obatan, maupun bahan industri. Identifikasi tanaman berbiji umumnya dilakukan berdasarkan ciri morfologi daun seperti bentuk dan teksturnya. Namun, proses identifikasi secara manual sering mengalami kendala, di antaranya kemiripan bentuk daun antar spesies, pengaruh pencahayaan, sudut pengambilan gambar, serta membutuhkan waktu yang lama dan keahlian yang khusus untuk memperoleh hasil yang akurat. Penelitian ini bertujuan untuk melakukan klasifikasi tanaman berbiji berdasarkan citra daun menggunakan Convolutional Neural Network (CNN). Metode CNN digunakan karena mampu mengenali pola visual melalui beberapa tahapan yaitu layer konvolusi untuk mengekstraksi fitur, pooling layer untuk mereduksi dimensi, dan fully connected layer untuk melakukan klasifikasi. Hasil penelitian menunjukkan model mampu melakukan klasifikasi dengan tingkat akurasi tertinggi pada fold ke-5 sebesar 90,83% dan akurasi secara keseluruhan sebesar 85,5%. Hasil tersebut menunjukkan bahwa model CNN yang dibuat memiliki performa yang baik dalam klasifikasi tanaman berbiji berdasarkan citra daun