Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Sains dan Teknologi
G K Gandhiadi
Unknown Affiliation
Computer Science & IT Education

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

Found 1 Documents
Search

 1 
Perbandingan Metode Transfer Learning untuk Identifikasi Tumbuhan Herbal Berbasis Lontar Usada Taru Pramana Desak Made Sidantya Amanda Putri; G K Gandhiadi; I GN Lanang Wijayakusuma
JST (Jurnal Sains dan Teknologi) Vol. 14 No. 1 (2025): April
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/jstundiksha.v14i1.92414

Abstract

Indonesia dikenal memiliki keanekaragaman hayati yang melimpah, termasuk tumbuhan herbal yang dimanfaatkan dalam pengobatan tradisional, seperti di Bali yang beberapa masyarakatnya masih menggunakan tumbuhan herbal sebagai bahan pengobatan.  Namun, identifikasi dan klasifikasi tumbuhan herbal masih menjadi tantangan karena kesamaan morfologi antarspesies, yang dapat memengaruhi efektivitas pengobatan. Oleh karena itu, penelitian ini menganalisis dan mengembangkan metode klasifikasi tumbuhan herbal dengan pendekatan transfer learning menggunakan arsitektur Convolutional Neural Network (CNN), yaitu MobileNet-V2 dan ResNet-50 V2, guna meningkatkan akurasi klasifikasi. Penelitian ini menggunakan dataset TPHerbleaf yang berisi 1000 citra dari 50 jenis daun tumbuhan herbal yang tercatat dalam Lontar Usada Taru Pramana. Data diproses dengan teknik augmentasi dan fine-tuning, kemudian model diuji dengan membandingkan arsitektur usulan dengan penelitian terdahulu. Hasilnya, MobileNet-V2 mencapai akurasi 98,65%, sedangkan ResNet-50 V2 mencapai 98,48%, menunjukkan peningkatan signifikan dibanding model sebelumnya. MobileNet-V2 lebih efisien dalam penggunaan sumber daya, sementara ResNet-50 V2 lebih stabil dalam pelatihan jaringan yang dalam. Penelitian ini berkontribusi pada pengembangan metode klasifikasi tanaman herbal berbasis CNN yang lebih akurat dan aplikatif, serta dapat digunakan untuk mendukung pemanfaatan tanaman herbal secara lebih luas.
Co-Authors Desak Made Sidantya Amanda Putri Wijayakusuma, I Gusti Ngurah Lanang