KLASIFIKASI JENIS DURIAN BERDASARKAN CITRA DAUN MENGGUNAKAN METODE CONVOLOTIONAL NEURAL NETWORK DENGAN ARSITEKTUR VGG-16
Keywords:
Daun Durian, Deep Learning, CNN, Arsitektur VGG-16Abstract
Durian (Durio zibethinus Murr) merupakan aset genetik tanaman lokal Indonesia yang bernilai ekonomi tinggi. kualitas durian lokal masih menghadapi tantangan minimnya perawatan, berakibat pada penurunan nilai jual. Kondisi ini timbul akibat keterbatasan pemahaman petani dalam menentukan jenis durian yang paling sesuai untuk dibudidayakan Identifikasi akurat jenis durian menjadi faktor krusial dalam mengerek kualitas dan nilai ekonomis buah durian. Penelitian taksonomi mengindikasikan bahwa karakteristik morfologi daun dapat menjadi indikator taksonomi yang andal untuk identifikasi spesies tanaman.
Identifikasi jenis durian berdasarkan daun secara manual menuntut keahlian khusus dan waktu yang cukup lama, serta rentan terhadap subjektivitas pengamat. Di Kabupaten Nganjuk, terdapat tiga jenis durian populer, yaitu durian lokal, durian lai, dan durian montong, yang memiliki kemiripan karakteristik daun sehingga sulit dibedakan secara visual oleh petani. Kajian-kajian sebelumnya belum ada yang secara spesifik menelaah klasifikasi jenis durian berdasarkan citra daun menggunakan deep learning. Oleh karena itu, terdapat celah penelitian yang perlu dijelajahi untuk mendukung pengembangan pertanian presisi di Indonesia.
Pada penelitian ini menerapkan metode CNN menggunakan arsitektur VGG-16 untuk mengklasifikasi jenis durian berdasarkan citra daun. Jenis durian dibedakan menjadi 3 yaitu: montong, lokal dan Lai. Dataset yang digunakan sebanyak 600, dengan sebaran seimbang 200 citra setiap class nya. Dataset yang diperoleh dilakukan preprocessing dan augmentasi sehingga menaikkan jumlah dataset sebesar 4 x menjadi 2400. Selanjutnya dilakuakan pengujian dalam 16 skenario model. Dengan 4 split dataset yang berbeda dan 4 optimizer yaitu SGD, Adam, Adamax dan Adagrad.
Dari 16 skenario pengujian yang dilakukan diperoleh model terbaik dengan nilai akurasi sebesar 97.08%. split data 90:10 dan optimizer yang digunakan adalah adam. Hasil ini menunjukkan sistem dapat mengklasifikasi jenis durian berdasarkan citra daun dengan baik dan akurasi yang tinggi.
References
Siti Sehat Tan. (2022). " Keragaman Durian (Durio Zibenthimus Murr) Lokal Indonesia Dengan Kasus Durian Orange dan Buntat Ali." Jurnal Ilmiah Respati Vol. 13, No. 1 Juni 2022
Hickey, M., & King, C. (2000) “The Cambridge Illustrated Glossary of Botanical Terms” Cambridge University Press
Corner, 1988; Kostermans & Bompard, 1993 " The Mangoes: Their Botany, Nomenclature, Horticulture and Utilization." Academic Press Limited ISBN-10: 0-12-421920-9.
Martha Adiwaty Sihaloho (2021). " Morphological Characters of Local Origin Durian (Durio zibethinus Murr.) Fruits and Seeds from Central Tapanuli Regency, North Sumatra, Indonesia." International Journal on Advanced Science Engineering Information Technology. (2021). Vol.11(1). ISSN: 2088-5334.
Smith, J. A., & Johnson, B. C. (2020). "Deep Learning for Plant Disease Detection: A Review." Journal of Agricultural AI, 5(2), 123-135.
Jiraporn Thomkaew, Sarun I, “ Improvement Classification Approach in Tomato Leaf Disease using Modified Visual Geometry Group (VGG)-InceptionV3”, (IJACSA) International Journal of Advanced Computer Science and Applications, Vol. 13, No. 12, 2022
Maha A Rajab, et.al, “Classification of grapevine leaves images using VGG-16 and VGG-19 deep learning nets” TELKOMNIKA Telecommunication Computing Electronics and Control Vol. 22, No. 2, April 2024, pp. 445~453
Dhiya Mahdi Asriny, Riyanto Jayadi , “Transfer Learning VGG16 for Classification Orange Fruit Images”, Journal of System and Management Sciences Vol. 13 (2023) No. 1, pp. 206-217
Susanto, A., & Wibowo, E. (2021). "Deteksi Penyakit Daun Kopi Menggunakan CNN Berbasis VGG-16." Jurnal Rekayasa Teknologi Informasi, 5(2), 123-130.
Muhammad Syarief, et.al, “Convolutional neural network for maize leaf disease image classification”, TELKOMNIKA Telecommunication, Computing, Electronics and ControlVol. 18, No. 3, June 2020, pp. 1376~1381
Nurhayati, S., & Hidayat, R. (2021). "Identifikasi Varietas Padi Berdasarkan Citra Daun Menggunakan Convolutional Neural Network." Jurnal Teknologi Informasi dan Ilmu Komputer, 8(4), 789-798
