Optimasi Akurasi Deteksi Tanaman-Tanaman Obat Biofarmaka Dengan Convolutional Neural Network

Asep Maulana, Rasiban Rasiban, Dadang Iskandar Mulyana

Abstract


Tanaman obat sangat populer digunakan terutama sebagai bahan baku obat tradisional dan jamu. Tanaman ini jika dikonsumsi akan meningkatkan sistem kekebalan tubuh (immune system), karena mempunyai sifat spesifik sebagai tanaman obat yang bersifat sebagai pencegahan dan promotif melalui kandungan metabolit sekunder seperti gingerol pada jahe yang mampu meningkatkan sistem imun pada tubuh. Di Indonesia tanaman obat juga dikategorikan sebagai tanaman biofarmaka yang meliputi 15 (lima belas) jenis tanaman yaitu, jahe, laos/lengkuas, kencur, kunyit, lempuyang, temulawak, temuireng, temu kunci, dlingo/dringo, kapulaga, mengkudu/pace, mahkota dewa, kejibeling, sambiloto, dan lidah buaya. Namun banyak masyarakat terutama yang ada di perkotaan tidak mengetahui tanaman obat biofarmaka karena banyak jenis yang tidak umum dijumpai di pasar atau swalayan sehingga terkendala untuk mengenali ataupun mendapatkannya. Tujuan penelitian ini adalah mengklasifikasikan tanaman obat biofarmaka menggunakan algoritma CNN dan dapat mengenali jenis tanaman obat berdasarkan karakteristik citra dengan tingkat akurasi tinggi. Deep learning membuat sebuah komputer belajar mengklasifikasi secara langsung dari gambar. Dalam hal ini peneliti menggunakan model Sequential dan on top VGG16 yang merupakan model dari algoritma CNN (Convolutional Neural Networks) salah satu neural network yang ada pada deep learning untuk mengklasifikasikan tanaman obat secara otomatis dengan 12 (dua belas) variabel penelitian menggunakan data training berjumlah 1645 citra dan data testing 360 citra. Berdasarkan hasil penelitian model on top VGG16 memiliki tingkat akurasi yang lebih baik yaitu 98.333% dengan loss 0.086 dibandingkan dengan model Sequential yang menghasilkan tingkat akurasi 96.111% dengan loss sebesar 0.193.

Keywords


Kecerdasan Buatan

Full Text:

PDF


DOI: https://doi.org/10.46964/justti.v14i1.786

Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 Just TI (Jurnal Sains Terapan Teknologi Informasi)

Editor Jurnal Sains Terapan Teknologi Informasi - JUST TI

ISSN 2085-6458(print) | ISSN 2579-4310(online)
Published by Politeknik Negeri Samarinda
Managed by Information Technology Department - Jurusan Teknologi Informasi
Jl. Dr. Ciptomangunkusumo Kampus Gunung Lipan Samarinda 75131 - Kalimantan Timur - Indonesia
Email: just.ti@polnes.ac.id
OJS: http://e-journal.polnes.ac.id/index.php/justi/index
Contact Person: Tien R Tulili (+6281254433003)


JUST TI - http://e-journal.polnes.ac.id/index.php/justi is licensed under a Creative Common Attribute Share-Alike 4.0 International

503 Service Unavailable

Service Unavailable

The server is temporarily unable to service your request due to maintenance downtime or capacity problems. Please try again later.

Additionally, a 503 Service Unavailable error was encountered while trying to use an ErrorDocument to handle the request.

503 Service Unavailable

Service Unavailable

The server is temporarily unable to service your request due to maintenance downtime or capacity problems. Please try again later.

Additionally, a 503 Service Unavailable error was encountered while trying to use an ErrorDocument to handle the request.