Identifikasi Jenis Daun untuk Ecoprint Mengunakan Metode Convolutional Neural Network

Article Sidebar

PDF
Published: Jun 30, 2025
DOI: https://doi.org/10.34128/jsi.v11i1.1774
Keywords:
Convolutional Neural Network (CNN), Deep Learning, Ecoprint, Identifikasi, Jenis Daun

Main Article Content

Siti Hajar
Universitas Ahmad Dahlan
Murinto Murinto
Universitas Ahmad Dahlan
Anton Yudhana
Universitas Ahmad Dahlan

Abstract

Tumbuhan yang berdaun merupakan salah satu kategori tumbuhan yang memiliki berbagai manfaat. Tumbuhan ini dapat dimanfaatkan sebagai bahan dalam produk kecantikan, makanan, obat-obatan, pewarna alami, dan kain. Makalah ini membahas cara mengidentifikasi jenis daun untuk ecoprint dengan menggunakan metode Deep Learning, khususnya Convolutional Neural Network (CNN). Tujuan dari identifikasi ini adalah untuk mempermudah menentukan jenis daun yang bisa dan tidak bisa untuk ecoprint teknik steaming. Metode yang digunakan saat ini masih manual, dengan mengambil beberapa jenis daun dan diproses. Dalam pemrosesan manual sangat lama lebih dari satu hari, dan tidak efisien untuk membuktikan bahwa sampel daun yang dicoba tersebut bisa atau tidak untuk ecoprint. Mengatasi masalah ini, solusi mengunakan Convolutional Neural Network (CNN) algoritma Deep Learning lebih tepat. Penelitian ini menganalisis 400 gambar daun yang diambil dari 10 jenis daun untuk diidentifikasi. Proses pelatihan dilakukan dalam dua tahap: Feature Learning dan Klasifikasi, dengan jumlah epoch sebanyak 15. Hasil training (0,9850) dan valisasi (0,9796) sedangkan hasil pengujian accuracy rata-rata diperoleh (0,9194). Dapat disimpulkan bahwa algoritma Deep Learning yaitu Convolutional Neural Network (CNN) bisa mengidentifikasi jenis daun untuk ecoprint.

Article Details

Issue
Vol. 11 No. 1 (2025): Jurnal Sains dan Informatika
Section
Articles
Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

References

[1] S. Ilahiyah and A. Nilogiri, “Implementasi Deep Learning Pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural Network _ Ilahiyah _ JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia),” JUSTINDO (Jurnal Sistem & Teknologi Informasi Indonesia), vol. 3, no. 2, pp. 49–56, 2018, doi: https://doi.org/10.32528/justindo.v3i2.2254.

[2] N. L. Marpaung, R. J. H. Butar Butar, and S. Hutabarat, “Implementasi Deep learning untuk Identifikasi Daun Tanaman Obat Menggunakan Metode Transfer learning,” Jurnal Edukasi dan Penelitian Informatika (JEPIN), vol. 9, no. 3, p. 348, Dec. 2023, doi: 10.26418/jp.v9i3.63895.

[3] R. Pujiati and N. Rochmawati, “Identifikasi Citra Daun Tanaman Herbal Menggunakan Metode Convolutional Neural Network (CNN),” Journal of Informatics and Computer Science (JINACS), vol. 3, no. 03, pp. 351–357, Jan. 2022, doi: 10.26740/jinacs.v3n03.p351-357.

[4] A. M. Lesmana, R. P. Fadhillah, and C. Rozikin, “Identifikasi Penyakit pada Citra Daun Kentang Menggunakan Convolutional Neural Network (CNN),” Jurnal Sains dan Informatika, vol. 8, no. 1, pp. 21–30, Jun. 2022, doi: 10.34128/jsi.v8i1.377.

[5] N. Ibrahim et al., “Klasifikasi Tingkat Kematangan Pucuk Daun Teh menggunakan Metode Convolutional Neural Network,” ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, vol. 10, no. 1, p. 162, Jan. 2022, doi: 10.26760/elkomika.v10i1.162.

[6] A. Peryanto, A. Yudhana, and R. Umar, “Klasifikasi Citra Menggunakan Convolutional Neural Network dan K Fold Cross Validation,” Journal of Applied Informatics and Computing, vol. 4, no. 1, pp. 45–51, 2020, doi: 10.30871/jaic.v4i1.2017.

[7] A. H. Nasrullah and H. Annur, “Implementasi Metode Convolutional Neural Network Untuk Identifikasi Citra Digital Daun,” Jurnal Media Informatika Budidarma, vol. 7, no. 2, p. 726, 2023, doi: 10.30865/mib.v7i2.5962.

[8] A. Fuadi and A. Suharso, “Perbandingan Arsitektur Mobilenet Dan Nasnetmobile Untuk Klasifikasi Penyakit Pada Citra Daun Kentang,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 7, no. 3, pp. 701–710, 2022, doi: 10.29100/jipi.v7i3.3026.

[9] D. Kurniawan and D. Ariatmanto, “Identifikasi Varietas Bibit Durian Menggunakan Mobilenetv2 Berdasarkan Gambar Daun,” Jurnal Informatika dan Rekayasa Elektronik, vol. 7, no. 2, pp. 231–240, Nov. 2024, doi: 10.36595/jire.v7i2.1236.

[10] A. A. Mirza, I. Afriza, M. R. Fadillah, and M. Julyanto, “Literature Review : Klasifikasi Penyakit Daun Dengan Deep Learning Pada Tanaman Kacang,” vol. 3, no. 10, pp. 2623–2627, 2024.

[11] A. Muis, S. Sunardi, and A. Yudhana, “CNN-based Approach for Enhancing Brain Tumor Image Classification Accuracy,” International Journal of Engineering, Transactions B: Applications, vol. 37, no. 5, pp. 984–996, May 2024, doi: 10.5829/ije.2024.37.05b.15.

[12] M. Murinto, S. Winiarti, and I. Faisal, “Particle Swarm Optimization Algorithm for Hyperparameter Convolutional Neural Network and Transfer Learning VGG16 Model,” Journal of Computer Science, Information Technology and Telecommunication Engineering, vol. 5, no. 1, pp.474-480, Mar. 2024, doi: 10.30596/jcositte.v5i1.16680.

[13] V. Roviqoh, H. Dan, and S. Lukman, “Klasifikasi Citra Daun Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation Berbasis Matlab,” Seminar Nasional Teknologi Informasi dan Komunikasi STI&K (SeNTIK), vol. 7, no. 1, 2023.

[14] Fitrianingsih and Rodiah, “Klasifikasi Jenis Citra Daun Mangga Menggunakan Convolutional Neural Network,” Jurnal Ilmiah Teknologi dan Rekayasa, vol. 25, no. 3, pp. 223–238, 2020, doi: 10.35760/tr.2020.v25i3.3519.

[15] M. A. Hasan, Y. Riyanto, and D. Riana, “Grape Leaf Image Disease Classification Using CNN-VGG16 Model,” Jurnal Teknologi dan Sistem Komputer, vol. 9, no. 4, pp. 218–223, 2021, doi: 10.14710/jtsiskom.2021.14013.

[16] S. Saifullah et al., “Nondestructive Chicken Egg Fertility Detection Using CNN-Transfer Learning Algorithms,” Jurnal Ilmiah Teknik Elektro Komputer dan Informatika, vol. 9, no. 3, pp. 854–871, Sep. 2023, doi: 10.26555/jiteki.v9i3.26722.

[17] A. N. R. Munandar and A. F. Rozi, “Analisis Arsitektur Convolutional Neural Network Untuk Klasifikasi Citra Bunga,” Jurnal Teknologi Dan Sistem Informasi Bisnis, vol. 6, no. 3, pp. 522–531, Jul. 2024, doi: 10.47233/jteksis.v6i3.1413.

[18] R. Abdulhakim, Carudin, and B. A. Dermawan, “Analisis dan Penerapan Algoritma Convolutional Neural Network untuk Klasifikasi Kendaraan Prioritas,” Jurnal Sains dan Informatika, vol. 7, no. 2, pp. 135–144, Dec. 2021, doi: 10.34128/jsi.v7i2.335.

[19] S. A. Maulana, S. H. Batubara, T. A. Amelia, and Y. P. P. Pasaribu, “Penerapan Metode CNN (Convolutional Neural Network) Dalam Mengklasifikasi Jenis Ubur-Ubur,” Jurnal Penelitian Rumpun Ilmu Teknik, vol. 2, no. 4, pp. 122–130, Dec. 2023, doi: 10.55606/juprit.v2i4.3084.

[20] S. A. E. Albakia and R. A. Saputra, “Identifikasi Jenis Daun Tanaman Obat Menggunakan Metode Convolutional Neural Network (CNN) Dengan Model VGG16,” Jurnal Informatika Polinema, vol. 9, no. 4, pp. 451–460, Aug. 2023, doi: 10.33795/jip.v9i4.1420.

[21] A. Muis, S. Sunardi, and A. Yudhana, “CNN-based Approach for Enhancing Brain Tumor Image Classification Accuracy,” International Journal of Engineering, Transactions B: Applications, vol. 37, no. 5, pp. 984–996, May 2024, doi: 10.5829/ije.2024.37.05b.15.