KLASIFIKASI CITRA BUNGA MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN)

Abstract

Klasifikasi citra bunga menjadi tantangan dalam pengolahan citra digital karena adanya variasi warna, bentuk, dan tekstur yang beragam pada tiap spesies. Penelitian ini bertujuan untuk mengidentifikasi lima jenis bunga, yaitu daisy, sunflower, tulip, dandelion, dan rose menggunakan Convolutional Neural Network (CNN). Dataset citra bunga yang digunakan berjumlah 4.317 citra dari Kaggle. Tahapan preprocessing mencakup resize citra, normalisasi piksel, serta augmentasi data untuk meningkatkan kemampuan generalisasi model. Arsitektur CNN yang diterapkan terdiri atas lapisan convolutional, pooling, dan dense untuk mengekstraksi fitur dan melakukan klasifikasi. Hasil pengujian menunjukkan bahwa model mencapai akurasi validasi sebesar 74,07%. Kesalahan klasifikasi terutama terjadi karena kemiripan visual antarspesies atau pencahayaan kurang baik. Penelitian ini menunjukkan bahwa CNN cukup efektif digunakan untuk klasifikasi citra bunga dan berpotensi dikembangkan lebih lanjut dalam aplikasi pertanian, konservasi tanaman, maupun edukasi berbasis teknologi.