Implementasi Deep Learning menggunakan Convolutional Neural Network untuk Pengenalan Pola Tanaman Obat Herbal

Abstract

Tanaman obat herbal merupakan pemanfaatan keragaman hayati yang terdapat di sekeliling kita, baik dari tanaman yang dikembangbiakkan maupun tanaman liar. Pada saat ini tanaman obat herbal sudah banyak dimanfaatkan sebagai bahan obat – obatan oleh masyarakat Indonesia. Indonesia memiliki 3500 jenis tanaman obat herbal, namun dari banyaknya jenis tanaman tersebut masyarakat kesulitan untuk membedakan tanaman obat herbal dikarenakan kemiripan daunnya. Tujuan dari penelitian ini, yaitu menganalisa performa model untuk pengenalan pola tanaman obat herbal menggunakan metode Convolutional Neural Network (CNN). Algoritma CNN ini merupakan salah satu algoritma yang unggul dalam bidang pengenalan pola. Penelitian ini dilakukan dengan menggunakan 2835 data dengan 40 kelas yang dibagi menjadi data training, validation, dan testing dengan rasio 8:1:1. Selanjutnya, dilakukan augmentasi data untuk memvariasikan data lalu menggunakan 4 convolutional layer dan teknik dropout untuk mencegah terjadinya overfitting. Hasil dari penelitian ini didapatkan akurasi sebesar 88%. Selain itu, terdapat micro agv dan weighted agv yang merupakan rata – rata dari keseluruhan precision, recall, dan f1-score mendapatkan hasil diatas 85% semua. Hasil tersebut menunjukkan bahwa performa model yang dihasilkan pada penelitian ini sudah cukup baik dalam pengenalan pola tanaman obat herbal meskipun masih terdapat beberapa kesalahan prediksi. Model pada penelitian ini sebagian besar baik digunakan untuk tanaman obat herbal dengan nilai recall ≥0,8 dan tidak disarankan untuk daun kunyit, daun sawi, daun mint, daun ara, dan daun mondokaki.