<![CDATA[Anggrek adalah jenis tanaman hias yang kaya akan keragaman bentuk, warna, serta ukuran bunganya yang unik. Banyaknya jenis anggrek membuat identifikasi secara langsung sering kali menyulitkan dan umumnya membutuhkan kemampuan serta pengalaman khusus. Oleh karena itu, dibutuhkan cara otomatis agar pengenalan jenis anggrek dapat dilakukan dengan lebih praktis dan efisien. Dalam penelitian ini, dikembangkan sistem klasifikasi citra tanaman anggrek berbasis deep learning dengan menggunakan arsitektur MobileNetV2. Dataset yang digunakan sebanyak 2.500 citra yang diklasifikasikan ke dalam lima kategori, yakni Cattleya, Dendrobium, Oncidium, Phalaenopsis, dan Vanda. Pelatihan model dilakukan melalui beberapa variasi pengaturan hyperparameter, seperti batch size yaitu 16 dan 32, serta jumlah epoch sebesar 25 dan 50, dengan nilai learning rate ditetapkan sebesar 0,001. Sementara itu, evaluasi model dilakukan menggunakan confusion matrix dengan metrik akurasi, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa kinerja optimal dicapai pada penggunaan batch size 32 dan epoch 50 dengan nilai akurasi, precision, recall, dan F1-score mencapai 99,60%. Temuan ini menegaskan bahwa variasi hyperparameter berpengaruh terhadap kinerja model dan MobileNetV2 mampu memberikan performa klasifikasi yang tinggi dan stabil. Penelitian ini berkontribusi dalam memberikan metode klasifikasi citra tanaman anggrek yang efektif serta menunjukkan bahwa pemilihan hyperparameter yang tepat dapat meningkatkan kinerja model secara signifikan.]]>
