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

  • Gramandha Wega Intyanto Akademi Komunitas Negeri Pacitan
DOI: https://doi.org/10.19184/jaei.v7i3.28141

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: 21 nov. 2024. doi: https://doi.org/10.19184/jaei.v7i3.28141.
Citation Formats
Issue
Vol 7 No 3 (2021)
Section
Articles

Sebagai penulis yang sesuai naskah dan atau atas nama semua penulis, saya menjamin bahwa :

  1. Naskah yang diajukan adalah karya asli saya/kami sendiri.
  2. Naskah belum dipublikasikan dan tidak sedang diajukan atau dipertimbangkan untuk diterbitkan di tempat lain.
  3. Teks, ilustrasi, dan bahan lain yang termasuk dalam naskah tidak melanggar hak cipta yang ada atau hak-hak lainnya dari siapa pun.
  4. Sebagai penulis yang sesuai, saya juga menjamin bahwa "JAEI Editor Journal" tidak akan bertanggung jawab terhadap semua klaim hak cipta dari pihak ketiga atau tuntutan hukum yang dapat diajukan di masa depan, dan bahwa saya akan menjadi satu-satunya orang yang akan bertanggung jawab dalam kasus tersebut.
  5. Saya juga menjamin bahwa artikel tersebut tidak mengandung pernyataan memfitnah atau melanggar hukum.
  6. Saya/kami tidak menggunakan metode yang melanggar hukum atau materi selama penelitian.
  7. Saya/kami memperoleh semua izin hukum yang berkaitan dengan penelitian,
  8. Saya/kami berpegang pada prinsip-prinsip etika selama penelitian.
  9. Saya/kami bersedia apabila artikel kami dipublikasikan oleh tim redaksi JAEI