<![CDATA[Penelitian ini bertujuan untuk mengotomatisasi identifikasi jenis bunga melalui penerapan teknik pengolahan citra digital dan algoritma Decision Tree. Metode ini diharapkan mampu mengatasi keterbatasan klasifikasi manual yang bersifat subjektif dan memerlukan waktu lama. Penelitian dilakukan menggunakan pendekatan kuantitatif eksperimental dengan dataset sebanyak 926 citra bunga yang terbagi ke dalam tiga kelas. Data dibagi menjadi 80% untuk pelatihan dan 20% untuk pengujian. Proses pra-pemrosesan citra meliputi penyeragaman ukuran menjadi 50 × 50 piksel dan ekstraksi fitur melalui proses flattening sehingga menghasilkan vektor fitur berdimensi 7500. Model Decision Tree dilatih menggunakan kriteria Entropy dengan pengaturan hyperparameter max_depth sebesar 10. Hasil pengujian menunjukkan bahwa model mampu mencapai tingkat akurasi sebesar 72,6% dengan nilai F1-score rata-rata sebesar 0,71. Hasil ini menunjukkan bahwa integrasi pengolahan citra digital sederhana dengan algoritma Decision Tree dapat menjadi solusi yang efektif, efisien, dan mudah diinterpretasikan untuk klasifikasi jenis bunga.]]>
Copyrights © 2025
