IDENTIFIKASI DAUN HERBAL UNTUK TANAMAN OBAT MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Abstract

Tanaman herbal memiliki potensi besar sebagai pengobatan tradisional, tetapi proses identifikasi jenis daun masih dilakukan secara manual sehingga rawan kesalahan dan membutuhkan waktu lama. Penelitian ini bertujuan mengembangkan sistem identifikasi daun herbal otomatis menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur InceptionV3 berbasis transfer learning. Dataset terdiri dari 10 kelas daun herbal dengan total 1.000 citra yang melalui proses preprocessing (resize, normalisasi, augmentasi) dan pembagian data 59% latih, 29% validasi, dan 12% uji. Pelatihan dilakukan selama 30 epoch dan implementasi sistem berbasis Streamlit. Hasil pelatihan menunjukkan akurasi latih 93,99%, validasi 74,83%, dan uji 51,67%, dengan nilai rata-rata macro precision 0,50, recall 0,52, dan F1-score 0,49. Perbedaan akurasi tersebut mengindikasikan terjadinya overfitting akibat keterbatasan data dan kemiripan morfologis antar kelas daun. Temuan ini menegaskan perlunya optimasi model, penambahan variasi data, serta pengembangan arsitektur yang lebih sesuai untuk meningkatkan kemampuan generalisasi.