Implementasi Deep learning untuk Identifikasi Daun Tanaman Obat Menggunakan Metode Transfer learning

Noveri Lysbetti Marpaung, Rio Juan Hendri Butar Butar, Sakti Hutabarat

Abstract


Tanaman obat adalah tanaman yang memiliki khasiat untuk digunakan sebagai obat penyembuhan atau pencegahan berbagai penyakit. Pemanfaatan tanaman obat di Indonesia sudah sangat umum dilakukan oleh masyarakat sejak zaman dahulu. Pengetahuan tentang tanaman obat juga diwariskan oleh nenek moyang sejak dulu. Tanaman obat memiliki bentuk daun yang hampir serupa antara satu tanaman dengan tanaman lainnya, terutama dari bentuk morfologi daun. Hal ini membuat beberapa masyarakat memiliki kekeliruan dalam mengidentifikasi daun tanaman obat. Dalam beberapa dekade terakhir, deep learning telah menjadi metode yang populer untuk mengidentifikasi objek. Deep learning memiliki kemampuan untuk dapat mengidentifikasi objek dengan tepat, sehingga sangat cocok digunakan untuk mengidentifikasi daun tanaman obat. Pada penelitian ini, metode transfer learning digunakan untuk mengidentifikasi tanaman obat. Transfer learning menggunakan model yang telah dilatih sebelumnya, sehingga dapat digunakan untuk data yang lebih sedikit dan memiliki waktu komputasi yang relatif lebih cepat. Pretrained model yang digunakan pada penelitian ini adalah MobileNetV2. Pada penelitian ini, teknik fine tune diterapkan untuk meningkatkan performa model. Beberapa percobaan dilakukan dengan parameter yang berbeda seperti epoch dan layer fine tune untuk mendapatkan hasil terbaik. Hasil penelitian ini mendapatkan akurasi 99% untuk training, 98% untuk validasi, dan 94% untuk pengujian.


Keywords


Tanaman Obat; Deep learning; Transfer learning; MobileNetV2; Fine tune

Full Text:

PDF

References


Isman, Andani Ahmad, and Abdul Latief, “Perbandingan Metode KNN Dan LBPH Pada Klasifikasi Daun Herbal,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 3, pp. 557–564, 2021, doi: 10.29207/resti.v5i3.3006.

I. Goodfellow, Y. Bengio, and A. Courville, Deep learning. MIT Press, 2016.

Y. Xin et al., “Machine Learning and Deep learning Methods for Cybersecurity,” IEEE Access, vol. 6, no. c, pp. 35365–35381, 2018, doi: 10.1109/ACCESS.2018.2836950.

D. M. Wonohadidjojo, “Perbandingan Convolutional Neural Network pada Transfer learning Method untuk Mengklasifikasikan Sel Darah Putih,” Ultim. J. Tek. Inform., vol. 13, no. 1, pp. 51–57, 2021, doi: 10.31937/ti.v13i1.2040.

Haryono, Khairul Anam, and Azmi Saleh, “Autentikasi Daun Herbal Menggunakan Convolutional Neural Network dan Raspberry Pi,” J. Nas. Tek. Elektro dan Teknol. Inf., vol. 9, no. 3, pp. 278–286, 2020, doi: 10.22146/.v9i3.302.

R. Pujiati and N. Rochmawati, “Identifikasi Citra Daun Tanaman Herbal Menggunakan Metode Convolutional Neural Network (CNN),” J. Informatics Comput. Sci., vol. 3, no. 03, pp. 351–357, 2022, doi: 10.26740/jinacs.v3n03.p351-357.

T. Akiyama, Y. Kobayashi, Y. Sasaki, K. Sasaki, T. Kawaguchi, and J. Kishigami, “Mobile leaf identification system using CNN applied to plants in Hokkaido,” 2019 IEEE 8th Glob. Conf. Consum. Electron. GCCE 2019, pp. 324–325, 2019, doi: 10.1109/GCCE46687.2019.9015298.

V. Ayumi et al., “Transfer learning for Medicinal Plant Leaves Recognition: A Comparison with and without a Fine-Tuning Strategy,” Int. J. Adv. Comput. Sci. Appl., vol. 13, no. 9, pp. 138–144, 2022, doi: 10.14569/IJACSA.2022.0130916.

D. Pechebovicz et al., “Plants recognition using embedded convolutional neural networks on mobile devices,” Proc. IEEE Int. Conf. Ind. Technol., vol. 2020-Febru, pp. 674–679, 2020, doi: 10.1109/ICIT45562.2020.9067289.

S. Sarno, “Pemanfaatan Tanaman Obat (Biofarmaka) Sebagai Produk Unggulan Masyarakat Desa Depok Banjarnegara,” Abdimas Unwahas, vol. 4, no. 2, pp. 73–78, 2019, doi: 10.31942/abd.v4i2.3007.

M. A. Wani, F. A. Bhat, S. Afzal, and A. I. Khan, Advances in Deep learning, vol. 57. 2019.

A. E. Wijaya, W. Swastika, and O. H. Kelana, “Implementasi Transfer learning Pada Convolutional Neural Network Untuk Diagnosis Covid-19 Dan Pneumonia Pada Citra X-Ray,” Sainsbertek J. Ilm. Sains Teknol., vol. 2, no. 1, pp. 10–15, 2021, doi: 10.33479/sb.v2i1.125.

M. Tsiakmaki, G. Kostopoulos, S. Kotsiantis, and O. Ragos, “Transfer learning from deep neural networks for predicting student performance,” Appl. Sci., vol. 10, no. 6, 2020, doi: 10.3390/app10062145.

G. Thiodorus, A. Prasetia, L. A. Ardhani, and N. Yudistira, “Klasifikasi citra makanan/non makanan menggunakan metode Transfer learning dengan model Residual Network,” Teknologi, vol. 11, no. 2, pp. 74–83, 2021, doi: 10.26594/teknologi.v11i2.2402.

E. I. Haksoro and A. Setiawan, “Pengenalan Jamur Yang Dapat Dikonsumsi Menggunakan Metode Transfer learning Pada Convolutional Neural Network,” J. ELTIKOM, vol. 5, no. 2, pp. 81–91, 2021, doi: 10.31961/eltikom.v5i2.428.

M. Hollemans, “MobileNet version 2,” 2022. https://machinethink.net/blog/mobilenet-v2/.

W. Hastomo, “Convolution Neural Network Arsitektur Mobilenet-V2 Untuk Mendeteksi Tumor Otak,” Pros. SeNTIK, vol. 5, no. 1, pp. 17–21, 2021.

R. Prabowo, Y. Heningtyas, machudor Yusman, M. Iqbal, and O. D. E. Wulansari, “Klasifikasi Image Tumbuhan Obat (Keji Beling) Menggunakan Artificial Neural Network,” J. Komputasi, vol. 9, no. 2541–0350, pp. 88–92, 2021, doi: 10.23960/komputasi.v9i2.2868.

J. Sanjaya and M. Ayub, “Augmentasi Data Pengenalan Citra Mobil Menggunakan Pendekatan Random Crop, Rotate, dan Mixup,” J. Tek. Inform. dan Sist. Inf., vol. 6, no. 2, pp. 311–323, 2020, doi: 10.28932/jutisi.v6i2.2688.

S. F. Handono, F. T. Anggraeny, and B. Rahmat, “Implementasi Convolutional Neural Network (Cnn) Untuk Deteksi Retinopati Diabetik,” J. Inform. dan Sist. Inf., vol. 1, no. 2, pp. 669–678, 2020.

N. K. Chauhan and K. Singh, “A review on conventional machine learning vs deep learning,” 2018 Int. Conf. Comput. Power Commun. Technol. GUCON 2018, pp. 347–352, 2019, doi: 10.1109/GUCON.2018.8675097.

P. Kim, MATLAB deep learning : with machine learning, neural networks and artificial intelligence. New York: NY: Apress, 2017.

S. Ilahiyah and A. Nilogiri, “Implementasi Deep learning Pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural Network,” JUSTINDO (Jurnal Sist. dan Teknol. Inf. Indones., vol. 3, no. 2, pp. 49–56, 2018.

D. P. Kingma and J. L. Ba, “Adam: A method for stochastic optimization,” 3rd Int. Conf. Learn. Represent. ICLR 2015 - Conf. Track Proc., pp. 1–15, 2015.

S. O. Oppong, F. Twum, J. Ben Hayfron-Acquah, and Y. M. Missah, “A Novel Computer Vision Model for Medicinal Plant Identification Using Log-Gabor Filters and Deep learning Algorithms,” Comput. Intell. Neurosci., vol. 2022, 2022, doi: 10.1155/2022/1189509.




DOI: http://dx.doi.org/10.26418/jp.v9i3.63895

Refbacks

  • There are currently no refbacks.