Klasifikasi Citra Bunga dengan Menggunakan Deep Learning: CNN (Convolution Neural Network)

  • Gramandha Wega Intyanto Akademi Komunitas Negeri Pacitan

Abstract

Keanekaragaman hayati Indonesia memiliki presentasi tertinggi di Asia Tenggara, salah satunya yaitu jenis bunga yang tercatat hingga 19.232. Keanekaragaman jenis bunga ini memberikan potensi bagi masyarakat dari nilai budaya, ekonomi, dan ekologi. Pada kehidupan sehari-hari mengenal jenis bunga membutuhkan waktu yang tidak singkat, dimana mulai dari mengetahui karakteristik kemudian mengidentifikasi nama bunga. Proses belajar ini dilakukan dengan bertanya pada pakar, mencari di buku bahkan di Internet. Salah satu cara identifikasi jenis bunga dengan cepat yaitu dilakukan dengan klasifikasi data gambar atau citra. Hal tersebut yang memberikan ide penelitian ini, dimana melakukan komputasi citra dalam pengimplementasian deep learning untuk klasifikasi citra jenis bunga (daisy, dandelion, rose, sunflower, dan tulip). Metode deep learning yang digunakan yaitu CNN (Convolution Neural Network), dimana arsitektur I dirancang penulis dan arsitektur II yaitu menggunakan VGG16. Hasil nilai akurasi pada arsitektur I yaitu bernilai 0.62 dan arsitektur II (VGG16) yaitu bernilai 0.8. Disimpulkan bahwa hasil proses klasifikasi dengan VGG16 memiliki tingkat akurasi cukup baik dibandingkan dengan arsitektur I.

Published
2021-12-04
How to Cite
INTYANTO, Gramandha Wega. Klasifikasi Citra Bunga dengan Menggunakan Deep Learning: CNN (Convolution Neural Network). Jurnal Arus Elektro Indonesia, [S.l.], v. 7, n. 3, p. 80-83, dec. 2021. ISSN 2443-2318. Available at: <https://jurnal.unej.ac.id/index.php/E-JAEI/article/view/28141>. Date accessed: 05 nov. 2024. doi: https://doi.org/10.19184/jaei.v7i3.28141.
Section
Articles