KLASIFIKASI DAUN HERBAL BERBASIS CITRA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN HYPERPARAMETER TUNING RANDOM SEARCH

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.