Implementasi Deep Leraning Lenet Dengan Augmentasi Data Pada Identifikasi Anggrek
Abstract
Abstrak: Indonesia merupakan salah satu negara dengan tingkat keanekaragaman hayati yang tinggi, salah satu keanekaragamaan hayati di Indonesia dengan memiliki spesies anggrek yang berjumlah 5.000 spesies dari 25.000 spesies anggrek yang ada didunia. Anggrek merupakan bagian dari kehidupan alam yang wajib kita rawat dan jaga untuk mempertahankan kelestariannya. Anggrek ini memiliki warna dan bentuk yang sangat menarik dan berbeda – beda pada setiap jenis anggreknya. Keanekaragaman anggrek ini cukup sulit untuk dikenali jika hanya melihat dari warna dan bentuknya saja. Penelitian ini memanfaatkan teknologi deep learning yang merupakan model jaringan syaraf tiruan yang sudah tersebar luas dan dikembangkan dalam pengenalan citra digital. Deep learning dapat digunakan sebagai teknologi dalam mengatasi permasalahan identifikasi spesies anggrek. Penilitian ini bertujuan untuk melihat nilai accuracy pelatihan model deep learning pada arsitektur LeNet menggunakan teknik augmentasi pada identifikasi anggrek. Dataset yang digunakan sebanyak 1600 citra kemudian dilakukan augmentasi pada dataset sehingga data menjadi 3200 citra. Tools yang digunakan pada proses pelatihan data adalah Google Colab. Hasil dari penelitian menunjukkan nilai akurasi pada LeNet yang menggunakan augmentasi rotate mencapai tingkat akurasi 81,88%.
Kata Kunci: Anggrek; Deep Learning; LeNet; Augmentasi Data;
Full Text:
PDFReferences
Irawati, Handoyo, F., & Rahardjo, D. (2021). Katalog Anggrek (Anggrek Spesies Indonesia
yang telah Dibudidayakan). Bogor: Kementrian Pertanian Direktorat Jendral Hortikultura.
Pamungkas, D. P. (2019) ‘Ekstraksi Citra menggunakan Metode GLCM dan KNN untuk
Identifikasi Jenis Anggrek (Orchidaceae)’, Innovation in Research of Informatics
(INNOVATICS), 1(2), pp. 51–56. doi: 10.37058/innovatics.v1i2.872.
Awanda, M., Rismawan, T. and Midyanti, D. M. (2018) ‘Aplikasi Klasifikasi Bunga Berdasarkan
Warna dan Bentuk Bunga Dengan Metode LVQ Berbasis WEB’, Jurnal Coding, Sistem
Komputer Untan, 06(02), pp. 36–47.
Borugadda, P., Lakshmi, R. and Govindu, S. (2021) ‘Classification of Cotton Leaf Diseases
Using AlexNet and Machine Learning Models’. Available at:
http://apsciencelibrary.com/handle/123456789/8881 (Accessed: 26 November 2022).
Almryad, A. et al. (no date) ‘Automatic identification for field butterflies by convolutional
neural networks’, Elsevier. Available at:
https://www.sciencedirect.com/science/article/pii/S2215098619326011 (Accessed: 26
November 2022).
Pangestu, R., … B. R.-J. J. I. and 2020, undefined (no date) ‘Implementasi algoritma CNN
untuk klasifikasi citra lahan dan perhitungan luas’, jifosi.upnjatim.ac.id. Available at:
http://jifosi.upnjatim.ac.id/index.php/jifosi/article/view/5 (Accessed: 26 November 2022).
Krishna, S., Recent, H. K.-I. J. of and 2019, undefined (no date) ‘Deep learning and transfer
learning approaches for image classification’, researchgate.net. Available at:
https://www.researchgate.net/procitra/Hemantha-KumarKalluri/publication/333666150_Deep_Learning_and_Transfer_Learning_Approaches_for_Imag
e_Classification/links/5cfbeeb9a6fdccd1308d6aae/Deep-Learning-and-Transfer-LearningApproaches-for-Image-Classification.pdf (Accessed: 26 November 2022).
Bakti, M., INOTEK, Y. P.-P. S. and 2019, undefined (no date) ‘Pengenalan Angka Sistem
Isyarat Bahasa Indonesia Dengan Menggunakan Metode Convolutional Neural Network’,
proceeding.unpkediri.ac.id. Available at:
https://proceeding.unpkediri.ac.id/index.php/inotek/article/view/504 (Accessed: 7 December
.
Pramana, A. L., Setyati, E. and Kristian, Y. (2020) ‘Model Cnn Lenet Dalam Pengenalan Jenis
Golongan Kendaraan’, institut Sains dan Teknologi Terpadu Surabaya, 13(2), pp. 65–69.
DOI: https://doi.org/10.33365/jatika.v4i3.3652
Refbacks
- There are currently no refbacks.
Copyright (c) 2023 Fachrul Rizki, Muhammad Pajar Kharisma Putra, Maulana Aziz Assuja, Fenty Ariany

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Jurnal Informatika dan Rekayasa Perangkat Lunak (JATIKA)
Published by Universitas Teknokrat Indonesia
Organized by Program Studi S1 Informatika, Fakultas Teknik dan Ilmu Komputer
Jl. Zainal Abidin Pagaralam, No.9-11, Labuhanratu, Bandarlampung, Indonesia
Phone : 0721 70 20 22
Website : http://jim.teknokrat.ac.id/index.php/informatika
Email   : jatika@teknokrat.ac.id
Jurnal Informatika dan Rekayasa Perangkat Lunak (JATIKA) is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.