<![CDATA[Identifikasi otomatis jenis tanaman melalui klasifikasi citra daun memiliki peran penting dalam mendukung pertanian cerdas dan konservasi keanekaragaman hayati. Penelitian ini mengusulkan penerapan model ResNet50 berbasis transfer learning untuk klasifikasi jenis daun tanaman tropis dengan menggunakan Tropical Plant Leaf Dataset. Dataset ini terdiri atas ribuan citra daun dari berbagai spesies tanaman tropis yang telah melalui proses preprocessing seperti resizing, normalisasi, dan augmentasi data untuk meningkatkan kemampuan generalisasi model. Model ResNet50 yang digunakan merupakan hasil fine-tuning dari bobot pra-latih ImageNet, dilatih selama 50 epoch menggunakan optimizer Adam dan fungsi kerugian categorical cross-entropy. Hasil eksperimen menunjukkan bahwa model ResNet50 mencapai akurasi sebesar 99,45%, presisi 99,40%, recall 99,35%, dan F1-score 99,32%, serta mengungguli model CNN konvensional dan VGG16. Visualisasi Grad-CAM memperlihatkan bahwa model mampu mengenali pola venasi dan tekstur daun yang relevan secara biologis dalam proses klasifikasi. Temuan ini membuktikan bahwa ResNet50 efektif digunakan untuk klasifikasi citra daun tanaman tropis dan dapat menjadi dasar pengembangan sistem identifikasi tanaman otomatis di lingkungan pertanian tropis. Penelitian selanjutnya disarankan untuk mengintegrasikan metode ensemble learning atau attention mechanism guna meningkatkan ketahanan model terhadap variasi pencahayaan dan latar belakang citra.]]>
Copyrights © 2025
