Klasifikasi Jenis Tanaman Herbal Berdasarkan Citra Menggunakan Metode Convolution Neural Network (CNN)

Abstract

Indonesia, sebagai negara megabiodiversitas, memiliki beragam tumbuhan herbal yang dimanfaatkan secara luas oleh masyarakat untuk keperluan berbagai macam, terutama dalam bidang kesehatan. Tumbuhan herbal sering dipilih sebagai obat tradisional karena dianggap lebih aman dan memiliki efek samping yang minim dibandingkan dengan obat-obatan kimia. Namun, identifikasi dan klasifikasi tumbuhan herbal sering kali menjadi tantangan karena adanya kesamaan morfologi antara beberapa spesies serta keterbatasan pengetahuan botani yang tersedia. Penelitian ini bertujuan untuk mengatasi tantangan tersebut dengan mengembangkan sistem klasifikasi menggunakan Convolutional Neural Network (CNN). Model CNN yang dikembangkan mengadopsi arsitektur Sequential dengan lapisan-lapisan konvolusi dan pooling, serta memanfaatkan teknik augmentasi data untuk meningkatkan variasi dalam dataset. Dataset awal terdiri dari 6200 gambar dari 31 jenis tumbuhan herbal yang diambil menggunakan kamera smartphone. Setelah proses augmentasi data, yang mencakup operasi seperti rotasi, pergeseran, pemotongan, dan flipping, jumlah gambar yang digunakan dalam pelatihan menjadi lebih bervariasi meskipun jumlah fisiknya tetap sama yaitu 4960 gambar untuk pelatihan, 621 gambar untuk validasi, dan 124 gambar untuk pengujian. Hasil penelitian menunjukkan bahwa model yang dikembangkan berhasil mencapai akurasi sebesar 92.74% dalam mengklasifikasikan gambar-gambar tumbuhan herbal. Nilai precision dan recall juga menunjukkan kinerja yang kuat, dengan banyak kategori daun mencapai nilai precision dan recall sebesar 1.00, yang menandakan bahwa model ini sangat efektif dan konsisten dalam mengenali berbagai jenis daun tanaman herbal. Misalnya, kategori seperti bawang merah, bawang putih, dan bayam memiliki nilai precision dan recall yang sempurna. Namun, beberapa kategori seperti daun jambu biji dan katuk menunjukkan variasi dalam precision dan recall, yang menunjukkan perlunya lebih banyak data atau variasi dalam dataset untuk meningkatkan kinerja pada kategori tersebut. Pendekatan ini diharapkan dapat mendukung pemanfaatan tumbuhan herbal secara lebih efektif dan aman sebagai alternatif pengobatan yang berkelanjutan dan alami. Kontribusi signifikan dari penelitian ini adalah mengintegrasikan teknologi kecerdasan buatan, khususnya CNN, dalam mengidentifikasi dan memanfaatkan potensi tumbuhan herbal, sehingga memperkuat peran mereka dalam sistem kesehatan modern. Penelitian ini menggaris bawahi potensi AI untuk mengembangkan identifikasi dan pemanfaatan tumbuhan herbal, serta mendorong integrasi mereka ke dalam sistem kesehatan untuk meningkatkan hasil kesehatan secara keseluruhan di masa mendatang. Penelitian ini juga mendorong keberlanjutan kesehatan alami.