Abstract:
Pemanfaatan teknologi seperti computer vision, machine learning, dan deep
learning memungkinkan otomatisasi dalam pengolahan data visual, menggantikan
metode manual yang lambat dan rentan kesalahan. Salah satu penerapan potensial
adalah klasifikasi citra daun herbal menggunakan algoritma deep learning. Model
Convolutional Neural Network (CNN) terbukti efektif dalam mengekstraksi fitur
visual dari gambar daun dan menghasilkan klasifikasi yang akurat. Namun,
performa CNN sangat bergantung pada konfigurasi parameter internal atau
hyperparameter. Tanpa penyetelan (tuning) yang tepat, akurasi model bisa
menurun drastis. Untuk mengatasi hal ini, penelitian ini menerapkan teknik
hyperparameter tuning dengan metode Random Search, yang mengeksplorasi
kombinasi nilai seperti jumlah filter, ukuran kernel, learning rate, batch size, dan
jumlah epoch. Teknik ini meningkatkan performa CNN secara signifikan.
Penelitian ini mengklasifikasikan tiga jenis daun herbal: daun sirih, daun kemangi,
dan daun jambu biji. Hasilnya, sistem berhasil memprediksi gambar daun baru
dengan tingkat akurasi dan kepercayaan tinggi. CNN yang telah di-tuning mampu
mengenali pola visual penting seperti tekstur, tepi, dan bentuk dengan lebih baik.
Dengan bantuan pemrograman Python, sistem klasifikasi daun herbal ini dapat
dikembangkan secara efektif dan dapat membantu masyarakat mengenali jenis daun
herbal secara otomatis dan efisien.
