<![CDATA[Anggrek adalah tanaman florikultura yang sangat digemari oleh masyarakat karena menarik perhatian dari segi bentuk dan warna bunga yang unik serta masa berbunganya yang relatif panjang. Meskipun banyak diminati keanekaragaman anggrek masih sangat sulit untuk diidentifikasi hanya berdasarkan bentuk dan warna. Deep learning berfokus pada penggunaan arsitektur jaringan syaraf tiruan yang mempunyai kemampuan dalam pengenalan citra. Sehingga deep learning dipilih sebagai metode utama untuk mengatasi permasalahan identifikasi citra anggrek. Penerapan metode deep learning pada penelitian ini untuk membandingkan hasil akurasi kinerja arsitektur LeNet dan AlexNet pada identifikasi citra anggrek dan menggunakan skenario pengujian K-Fold Cross Validation. Dataset anggrek memiliki 1000 gambar, lalu dataset di augmentasi menjadi 2000 gambar. Google Colab digunakan sebagai alat untuk melakukan proses pelatihan model deep learning. Hasil penelitian menunjukkan AlexNet menggunakan augmentasi rotate memiliki nilai akurasi 79.50% dan LeNet memiliki nilai akurasi 62,50%. Sehingga dapat disimpulkan bahwa identifikasi spesies anggrek dengan menggunakan arsitektur AlexNet lebih akurat dibandingkan dengan arsitektur LeNet.]]>
Copyrights © 2024
