Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Journal of Informatics and Computer Science (JINACS)
Rosida Pujiati
Universitas Negeri Surabaya
Computer Science & IT

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

Found 1 Documents
Search

 1 
Identifikasi Citra Daun Tanaman Herbal Menggunakan Metode Convolutional Neural Network (CNN) Rosida Pujiati; Naim Rochmawati
Journal of Informatics and Computer Science (JINACS) Vol 3 No 03 (2022)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (497.664 KB) | DOI: 10.26740/jinacs.v3n03.p351-357

Abstract

Sebagian masyarakat Indonesia memanfaatkan sumber bahan obat tradisional dan obat alam secara turun-temurun. Sumber bahan obat tradisional dan obat alam tersebut didapatkan dari tanaman herbal. Tanaman herbal diketahui memiliki senyawa tertentu sehingga dapat berkhasiat bagi kesehatan. Banyak spesies tanaman herbal memiliki kemiripan yang tinggi sehingga sulit untuk membedakannya. Dengan begitu, sistem pengenalan tanaman otomatis akan bermanfaat untuk membantu masyarakat dalam mengidentifikasi tanaman herbal. Sistem identifikasi pada penelitian ini menggunakan metode Convolutional Neural Network. Metode CNN merupakan suatu metode Deep Learning yang dapat digunakan untuk mengidentifikasi serta mengklasifikasikan sebuah objek pada citra digital. Penelitian ini menggunakan 33 kelas tumbuhan herbal. Dataset yang digunakan yaitu 21.450 citra tumbuhan herbal, dimana dataset tersebut dibagi menjadi 16.500 training, 3.300 validasi, dan 1.650 testing. Pada proses training dan validasi dilakukan sebanyak 150 epoch, yang mendapatkan akurasi tertinggi sebesar 94% dengan loss terendah 0,28. Untuk nilai akurasi pada proses testing sebesar 84%, dengan mengidentifikasi 1.382 citra daun tanaman herbal secara benar dari total 1.650 citra yang ada.
Co-Authors Naim Rochmawati