Implementasi Convolutional Neural Network Dalam Klasifikasi Genus Tanaman Anggrek

Studi Kasus: Handoyo Budi Orchids

Abstract

Kesulitan mengidentifikasi genus anggrek pada fase vegetatif kerap dialami oleh masyarakat awam dan petani pemula anggrek. Proses identifikasi genus secara tradisional akan akurat disaat bunga mekar dan melalui identifikasi oleh pakar. Proses ini memakan waktu yang lama dan berisiko adanya kecurangan oleh pedagang. Penelitian ini mengusulkan sistem identifikasi genus anggrek dengan metode Convolutional Neural Network dikembangkan menggunakan Python dan dapat digunakan dalam bentuk aplikasi android, dengan data primer dari Handoyo Budi Orchids Malang (anggrek ≥ 1 tahun) dan data sekunder dari Kaggle. Datatest terdiri atas lima genus (Phalaenopsis, Dendrobium, Cattleya, Oncidium, Vanda), masing-masing 5 sampel untuk pengujian pakar. Selama pelatihan 10 epoch, train loss menurun mendekati nol sementara val loss berfluktuasi antara 0,15–0,60 dan model mencapai Accuracy cukup tinggi dengan precision, recall, dan F1-score rata-rata 0,94% pada training, tetapi menurun hingga 87% saat dilakukan pengujian datatest asli kepada pakar. Hasil ini menegaskan bahwa CNN mampu memberikan identifikasi genus anggrek yang cepat dan cukup akurat sejak fase vegetatif, memudahkan petani pemula dan orang awam dalam mencegah potensi kecurangan pedagang.