Implementasi Machine Learning Dalam Mengidentifikasi Tanaman Hias menggunakan Metode CNN
DOI:
https://doi.org/10.33506/jiki.v3i1.4138Kata Kunci:
Tanaman Hias, Metode CNN, Machine LearningAbstrak
Penelitian ini bertujuan untuk mengimplementasi dan identifikasi tanaman hias menggunakan metode Convolutional Neural Network (CNN). Dengan memanfaatkan dataset yang terdiri dari 3.453 gambar dari lima jenis bunga, penelitian ini mengatasi tantangan dalam identifikasi tanaman yang sering kali memerlukan pengetahuan botani yang mendalam dan memakan waktu. Metode yang digunakan meliputi pengumpulan data, preprocessing, pelatihan model, dan evaluasi. Model CNN yang dikembangkan menunjukkan performa yang baik, dengan akurasi pelatihan mencapai 76,4% dan akurasi validasi sebesar 73,6% setelah 40 epoch pelatihan. Meskipun hasil ini menjanjikan, terdapat indikasi overfitting yang perlu diperhatikan. Penelitian ini menyimpulkan bahwa pendekatan machine learning, khususnya CNN, memiliki potensi besar untuk mengotomatisasi proses identifikasi tanaman hias secara akurat dan efisien. Hasil penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam bidang hortikultura dan teknologi pengenalan pola, serta membuka peluang untuk penelitian lebih lanjut dalam pengembangan sistem yang lebih robust dan aplikatif.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Fajar Rahardika Bahari Putra, La Jupriadi Fakhri, Rendra Soekarta, Wulan Ika Ayudiansyah Wahid

Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.