<![CDATA[Penelitian ini merancang dan mengimplementasikan PlantSense AI, sebuah sistem identifikasi tanaman yang memanfaatkan integrasi teknologi Computer Vision (CV) untuk akuisisi citra dan Multimodal Large Language Model (LLM) Google Gemini untuk analisis botani. Tujuannya adalah menyediakan layanan identifikasi yang tidak hanya akurat secara visual tetapi juga kaya informasi, guna mengatasi keterbatasan metode konvensional yang kaku. Sistem dikembangkan menggunakan metode Prototyping dengan bahasa pemrograman Python, antarmuka CustomTkinter, dan pustaka OpenCV yang terintegrasi dengan API Gemini. Berbeda dengan pendekatan klasifikasi standar, sistem ini menyuntikkan data citra ke dalam model generatif untuk menghasilkan analisis ilmiah yang komprehensif secara real-time. Hasil pengujian Black Box memverifikasi tingkat keberhasilan fungsionalitas teknis sebesar 100%. Evaluasi Pengguna (N=8) menunjukkan tingkat kepuasan rata-rata 4,68 (Sangat Setuju), memvalidasi bahwa pendekatan hibrida ini efektif dalam meningkatkan pemahaman pengguna terhadap objek tanaman. Penelitian ini berimplikasi pada pengembangan alat edukasi botani digital yang interaktif, meskipun penerapannya saat ini masih memiliki batasan pada ketergantungan koneksi internet dan sensitivitas terhadap kondisi pencahayaan rendah.Kata kunci: ▪ Kecerdasan Buatan ▪ Klasifikasi Citra ▪ Computer Vision ▪ Gemini ▪ Tanaman]]>
Copyrights © 2025
