IMPLEMENTASI PREDIKSI TANAMAN HERBAL MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK BERBASIS ANDROID

• ANDIKA KURNIA SANDI YUDA
• 2023

---

Indonesia terkenal kaya akan sumber bahan obat tradisional dan obat alam yang dimanfaatkan oleh sebagian besar masyarakatnya secara turun-temurun. Sumber bahan obat tradional dan obat alam tersebut didapatkan dari tumbuhan herbal yang diketahui memiliki senyawa tertentu yang bermanfaat bagi kesehatan. Kandungan senyawa pada tumbuhan herbal dijumpai pada organ tubuh tumbuhan, salah satunya daun. Berdasarkan pengamatan, terdapat bentuk morfologi daun, warna daun, dan tekstur daun. Selain itu, terdapat karakter daun, yang meliputi pinggiran daun, ujung daun, pangkal daun, permukaan daun, dan tipe daun. penelitian ini memiliki tujuan khusus dan tujuan umum, Tujuan umum penelitian ini adalah mengembangkan dan menguji model CNN untuk klasifikasi tanaman, serta mengukur kinerjanya.
Penelitian ini memiliki tujuan khusus untuk menguji model CNN dalam klasifikasi tanaman dan membandingkan akurasinya dengan model-model lain. metode penelitian ini memakai dua metode yaitu studi pustaka dan observasi yaitu studi pustaka dengan cara mengumpulkan data dari buku,jurnal,dan internet sedangkan observasi dengan cara pengumpulan data tumbuhan herbal memakai 2 dataset.
adapun hasil dari penelitian ini adalah dengan adanya perancangan aplikasi jyupiter cure, diharapkan dapat membantu masyarakat dalam mengenali jenis tanaman herbal berdasarkan citra daunnya serta memberikan informasi mengenai dari tanaman tersebut.

• Convolutional Neural Network

Abadi, M., Barham, P., Chen, J., Chen, Z., Davis, A., Dean, J., Devin, M., Ghemawat, S.,
Irving, G., Isard, M., Kudlur, M., Levenberg, J., Monga, R., Moore, S., Murray, D. G.,
Steiner, B., Tucker, P., Vasudevan, V., Warden, P., … Brain, G. (n.d.). This paper is included in the Proceedings of the 12th USENIX Symposium on Operating Systems Design and Implementation (OSDI ’16). Open access to the Proceedings of the 12th USENIX Symposium on Operating Systems Design and Implementation is sponsored by USENIX.
TensorFlow: A System for Large-Scale Machine Learning TensorFlow: A system for large-scale machine learning. Retrieved May 16, 2023, from https://tensorflow.org

Agil, M., Wahyuni, T. S., Studiawan, H., & Rakhmawati, R. (2019). OPTIMALISASI PEMANFAATAN HERBAL UNTUK KESEHATAN MASYARAKAT DESA WAJIK KABUPATEN LAMONGAN PROVINSI JAWA TIMUR. JURNAL PENGABDIAN KEPADA MASYARAKAT, 24(4), 883–889. https://doi.org/10.24114/JPKM.V24I4.12515

Ali, Z., Shahzad, S. K., & Shahzad, W. (2017). Performance Analysis of Statistical Pattern Recognition Methods in KEEL. Procedia Computer Science, 112, 2022–2030. https://doi.org/10.1016/J.PROCS.2017.08.144

A. Kaya, A. S. Keceli, C. Catal, H. Y. Yalic, H. Temucin, and B. Tekinerdogan, “Analysis of transfer learning for deep neural network based plant classification models,” Comput Electron Agric, vol. 158, pp. 20–29, Mar. 2019, doi: 10.1016/j.compag.2019.01.041.

A. Azis, “Identifikasi Jenis Ikan Menggunakan Model Hybrid Deep Learning Dan Algoritma Klasifikasi,” Sebatik, vol. 24, no. 2, pp. 201–206, 2020, doi: 10.46984/sebatik.v24i2.1057.

A. Tiara Sari and E. Haryatmi, “Penerapan Convolutional Neural Network Deep Learning dalam Pendeteksian Citra Biji Jagung Kering,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 2, pp. 265–271, Apr. 2021, doi:
10.29207/resti.v5i2.3040.

Alom, M. Z., Taha, T. M., Yakopcic, C., Westberg, S., Sidike, P., Nasrin, M. S., Van Esesn, B.C., et al. (2018). The history began from AlexNet: a comprehensive survey on deep learning approaches. arXiv preprint arXiv:1803.01164, 1–39

Anam, K., & Saleh, A. (2020). Autentikasi Daun Herbal Menggunakan Convolutional Neural Network dan Raspberry Pi. Jurnal Nasional Teknik Elektro dan Teknologi Informasi, 9(3),278-286

Arrofiqoh, E. N., & Harintaka, H. (2018). Implementasi Metode Convolutional Neural Network Untuk Klasifikasi Tanaman Pada Citra Resolusi Tinggi. Geomatika, 24(2), 61-68.

Begue, A., Kowlessur, V., Singh, U., Mahomoodally, F., & Pudaruth, S. (2017). Automatic Recognition of Medicinal Plants using Machine Learning Techniques. IJACSA) International Journal of Advanced Computer Science and Applications, 8(4).
www.ijacsa.thesai.org
 
Bingol, O. R., & Krishnamurthy, A. (2019). NURBS-Python: An open-source object-oriented NURBS modeling framework in Python. SoftwareX, 9, 85–94. https://doi.org/10.1016/J.SOFTX.2018.12.005

Borji, A. (2018). Negative results in computer vision: A perspective. Image and Vision Computing, 69, 1–8

Booch, G., 2005. The unified modeling language user guide. Pearson Education India 

CHOUHAN, Siddharth Singh; Kaul, Ajay; SINGH, UDAY PRATAP; & Science, Madhav Institute of Technology (2019), “A Database of Leaf Images: Practice towards Plant Conservation with Plant Pathology”, Mendeley Data, V1, doi: 10.17632/hb74ynkjcn.1

Dalvinder, P., & Grewal, S. (n.d.). A Critical Conceptual Analysis of Definitions of Artificial Intelligence as Applicable to Computer Engineering. 2, 9–13. Retrieved May 15, 2023, from www.iosrjournals.org

Daun Herbal Menggunakan, A., Anam, K., & Saleh, A. (2020a). Autentikasi Daun Herbal Menggunakan Convolutional Neural Network dan Raspberry Pi (Authentication of Herbal Leaves Using Convolutional Neural Network and Raspberry Pi). Jurnal Nasional Teknik Elektro Dan Teknologi Informasi |, 9(3).

Daun Herbal Menggunakan, A., Anam, K., & Saleh, A. (2020b). Autentikasi Daun Herbal Menggunakan Convolutional Neural Network dan Raspberry Pi (Authentication of Herbal Leaves Using Convolutional Neural Network and Raspberry Pi). Jurnal Nasional Teknik Elektro Dan Teknologi Informasi |, 9(3).

Dudi, B., & Rajesh, V. (2019). Medicinal plant recognition based on CNN and machine learning. International Journal of Advanced Trends in Computer Science and Engineering, 8 (4), 9991003.https://doi.org/10.30534/ijatcse/2019/03842019.

Danukusumo, K. P. (2017). Implementasi Deep Learning Menggunakan Convolutional Neural Network untuk Klasifikasi Citra Candi Berbasis GPU. Fakultas Teknologi Industri Universitas Atma Jaya.

Dozat, T. (2016). Incorporating nesterov momentum into adam. ICLR, 1–4.

Dart. (2019). www.dart.dev. Diambil kembali dari www.dart.dev:www.dart.dev

Dian, Muhar. (2018). Tutorial Flutter #1: Pengenalan dan Persiapan Pemrograman Mobile dengan Flutter.[Online].Tersedia: https://www.petanikode.com/flutter-linux/

E. Yuliana and A. Andoyo, “Perancangan Sistem Pakar Identifikasi Kualitas Daun Tembakau Berbasis Web Desktop,” Jtksi, vol. 01, no. 01, pp. 10–13, 2018.

E. N. Arrofiqoh and H. Harintaka, “Implementasi Metode Convolutional Neural Network Untuk Klasifikasi Tanaman Pada Citra Resolusi Tinggi,” Geomatika, vol. 24, no. 2, p. 61,2018, doi: 10.24895/jig.2018.24-2.810.

Fauzi Jessar, H., Toto Wibowo, A., & Rachmawati, E. (n.d.). Klasifikasi Genus Tanaman Sukulen Menggunakan Convolutional Neural Network.
 
F.Rochman and H. Junaedi, “Implementasi Transfer Learning untuk Identifikasi Ordo Tumbuhan melalui Daun,” Jurnal Syntax Admiration, vol. 1, no. 6, pp. 672–679, 2020.

F. Fitra Maulana dan N. Rochmawati, “Klasifikasi Citra Buah Menggunakan Convolutional Neural Network”.

F. Hu, G. S. Xia, J. Hu, and L. Zhang, “Transferring deep convolutional neural networks for the scene classification of high-resolution remote sensing imagery,” Remote Sens., vol. 7, no.11, pp. 14680–14707, 2015, doi: 10.3390/rs71114680

Gollapudi, S. (2019). Object Detection and Recognition. Learn Computer Vision Using OpenCV, 97–117. https://doi.org/10.1007/978-1-4842-4261-2_5

Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.

H. X. Kan, L. Jin, and F. L. Zhou, “Classification of medicinal plant leaf image based on multi-feature extraction,” Pattern Recognition and Image Analysis, vol. 27, no. 3, pp.581–587, 2017, doi: 10.1134/S105466181703018X

Herbal Menggunakan, K. Anam, and A. Saleh, “Autentikasi Daun Herbal Menggunakan Convolutional Neural Network dan Raspberry Pi (Authentication of Herbal Leaves Using Convolutional Neural Network and Raspberry Pi),” 2020.

He, Y.-L., Zhang, X.-L., Ao, W., & Huang, J. Z. (2018). Determining the optimal temperature parameter for Softmax function in reinforcement learning.
Applied Soft Computing, 70, 80–85.

Han, J., Pei, J., & Kamber, M. (2011). Data mining: concepts and techniques. Elsevier.

Ilahiyah, S., & Nilogiri, A. (2018). Implementasi Deep Learning Pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural Network.

JUSTINDO (Jurnal Sistem Dan Teknologi Informasi Indonesia), 3(2), 49–56. 
https://doi.org/10.32528/JUSTINDO.V3I2.2254

Herdi, Hafizh. 2014. Belajar Membuat Aplikasi Menggunakan Android Studio. Diambil dari: 
https://www.twoh.co/2014/09/28/belajar-membuat-aplikasi-android-menggunakanandroid-studio/ (17 Mei 2017)

H. Irawan, “Perancangan Sistem Informasi Administrasi Kesiswaan pada SMP Negeri 4 Muntok dengan Berorientasi Objek,” J. Sifom, 2014.

I. Fauzi et al., “Klasifikasi Spesies Tanaman Magnolia Menggunakan,” vol. 2, no. 3, pp. 235–239, 2021

I. Wulandari, H. Yasin, and T. Widiharih, “Klasifikasi Citra Digital Bumbu Dan Rempah Dengan Algoritma Convolutional Neural Network (CNN)”, [Online]. Tersedia:https://ejournal3.undip.ac.id/ index.php/gaussian/
 
Jeon, W. S., & Rhee, S. Y. (2017). Plant Leaf Recognition Using a Convolution Neural Network. International Journal of Fuzzy Logic and Intelligent Systems, 17(1), 26–34.
https://doi.org/10.5391/IJFIS.2017.17.1.26

Jalu Nusantoro, Faldo Fajri Afrinanto, Wana Salam Labibah, Zamah Sari, and Yufis Azhar,
“Detection of Covid-19 on X-Ray Image of Human Chest Using CNN and Transfer Learning,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 6,no. 3, pp. 430–441, Jun. 2022, doi: 10.29207/resti.v6i3.4118

Jessar, H. F., Wibowo, A. T., & Rachmawati, E. (2021). Klasifikasi Genus Tanaman Sukulen Menggunakan Convolutional Neural Network. eProceedings of Engineering, 8(2).

K. S. Jye, S. Manickam, S. Malek, M. Mosleh, and S. K. Dhillon, “Automated plant identification using artificial neural network and support vector machine,” Front Life Sci,vol. 10, no. 1, pp. 98–107, 2017, doi: 10.1080/21553769.2017.1412361.

Kim, P. (2017). MATLAB deep learningꢀ: with machine learning, neural networks and artificial intelligence. New York, NY: Apress.

Karim, M. R. (2018). Practical Convolutional Neural Networksꢀ: Implement advanced deep learning models using Python. Birmingham: Packt Publishing

Kozłowski, M., Górecki, P., & Szczypiński, P. M. (2019). Varietal classification of barley by convolutional neural networks. Biosystems Engineering, 184, 155–165

Kluyver, T., Ragan-Kelley, B., Pérez, F., Granger, B. E., Bussonnier, M., Frederic, J., Kelley, K., et al. (2016). Jupyter Notebooks-a publishing format for reproducible computational workflows. ELPUB (pp. 87–90).

Mayadewi, P., & Rosely, E. (2015). PREDIKSI NILAI PROYEK AKHIR MAHASISWA MENGGUNAKAN ALGORITMA KLASIFIKASI DATA MINING.
https://www.researchgate.net/publication/283570705

LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521, 436. Nature Publishing Group, a division of Macmillan Publishers Limited. All Rights Reserved.

Lukman, Andi., Marwana. 2014. Machine Learning Multi Klasifikasi Citra Digital. Konferensi Nasional Ilmu Komputer.

M.Siregar, H., Wahyuni, S., & Ardaka, I. M. (2019). Karakterisasi Morfologi Daun Begonia Alam (Begoniaceae): Prospek Pengembangan Koleksi Tanaman Hias Daun di Kebun Raya Indonesia.
JURNAL BIOLOGI INDONESIA, 14(2). https://doi.org/10.14203/JBI.V14I2.3739

Maulana, Febian Fitra, and Naim Rochmawati. "Klasifikasi Citra Buah Menggunakan Convolutional Neural Network." Journal of Informatics and Computer Science (JINACS) 1.02 (2019).

M. Agil, T. S. Wahyuni, H. Studiawan, and R. Rakhmawati, “Optimalisasi Pemanfaatan Herbal Untuk Kesehatan Masyarakat Desa Wajik Kabupaten Lamongan Provinsi Jawa Timur,” Jurnal Pengabdian Kepada Masyarakat, vol. 24, no. 4, p. 883, 2019, doi:
10.24114/jpkm.v24i4.12515.

M. S. Mustafa, Z. Husin, W. K. Tan, M. F. Mavi, and R. S. M. Farook, “Development of automated hybrid intelligent systemfor herbs plant classification and early herbs plant disease detection,” Neural Comput Appl, vol. 32, no. 15, pp. 11419–11441, 2020, doi:10.1007/s00521-019-04634-7.

McCulloch, W., & Pitts, W. (1990). A logical calculus of the ideas immanent in nervous activity. Bulletin of Mathematical Biology, 52(1–2), 99–115.

Moolayil, J. (2019). Learn Keras for deep neural networksꢀ: a fast-track approach to modern deep learning with Python. New York, NY: Apress

McAndrew, A. (2016). A computational introduction to digital image processing. Boca Raton:
Taylor & Francis Group, CRC Press.

M. Ichwan & Fifin Hakiky. (2011). Pengukuran Kinerja Goodreads Application Programming Interface (Api) Pada Aplikasi Mobile Android. Jurnal Informatika. Vol 2 (No 2), 13-21.

Murtiwiyati & Glenn Lauren. (2013). Rancang Bangun Aplikasi Pembelajaran Budaya Indonesia Untuk Anak Sekolah Dasar Berbasis Android. Jurnal Ilmiah Komputasi. Vol 12 (No 2),2. http://ejournal.jak-stik.ac.id/index.php/komputasi.

Nasrullah, A. H., & Annur, H. (2023). JURNAL MEDIA INFORMATIKA BUDIDARMA Implementasi Metode Convolutional Neural Network Untuk Identifikasi Citra Digital Daun. https://doi.org/10.30865/mib.v7i2.5962

Nielsen, M. A. (2015). Neural networks and deep learning (Vol. 25). Determination press San Francisco, CA, USA.

Penelitian, J. I., Yan, O., Basman, P., Sekolah, Z., Keguruan, T., Pendidikan, I., & Selatan, N.(2020). TANAMAN OBAT KELUARGA DALAM PERSPEKTIF MASYARAKAT TRANSISI (Studi Etnografis pada Masyarakat Desa Bawodobara). Jurnal Inovasi
Penelitian, 1(2), 99–106. https://doi.org/10.47492/JIP.V1I2.55

Powers, D. M. W., & Ailab. (n.d.). EVALUATION: FROM PRECISION, RECALL AND F-MEASURE TO ROC, INFORMEDNESS, MARKEDNESS & CORRELATION.

Ratna Juwita, A., Al Mudzakir, T., Rizky Pratama, A., Husodo, P., Sulaiman Vol, R., Al Mudzakir, T., & Sulaiman, R. (2021). IDENTIFIKASI CITRA BATIK DENGAN METODE CONVOLUTIONAL NEURAL NETWORK. BUANA ILMU, 6(1), 192–208.
https://doi.org/10.36805/BI.V6I1.1996

Rahmawati, E., & Abdulmanan, E. (2019). Pemodelan aplikasi dunia islam mengaji berbasis android, 4(2), 197–202.

Rozaqi, A. J., Sunyoto, A., & rudyanto Arief, M. (2021). Deteksi Penyakit Pada Daun Kentang Menggunakan Pengolahan Citra dengan Metode Convolutional Neural Network. Creative Information Technology Journal, 8(1), 22-31.

S, K. S., & Perangin-Angin, M. I. (2018). Klasifikasi Tanaman Obat Berdasarkan Ekstraksi
Fitur Morfologi Daun Menggunakan Jaringan Syaraf Tiruan. Jurnal Informatika, 5(2), 169–174. https://doi.org/10.31294/JI.V5I2.3770

Siregar, H.-M., Wahyuni, S., & Ardaka, I. M. (2018). Karakterisasi Morfologi Daun Begonia Alam (Begoniaceae): Prospek Pengembangan Koleksi Tanaman Hias Daun di Kebun Raya Indonesia.
Jurnal Biologi Indonesia, 14(2),201–211. https://doi.org/10.47349/jbi/14022018/201.

Saputra, S, K., & Perangin-Angin, M. I. (2018). Klasifikasi Tanaman Obat Berdasarkan Ekstraksi Fitur Morfologi Daun Menggunakan Jaringan Syaraf Tiruan. Jurnal Informatika,5(2), 169–174. https://doi.org/10.31311/ji.v5i2.3770.

S. K. Dirjen, P. Riset, D. Pengembangan, R. Dikti, and R. Prathivi, “Terakreditasi SINTA Peringkat 2 Optimasi Model TL-CNN Untuk Klasifikasi Citra CIFAR-10,” masa berlaku mulai, vol. 1, no. 3, pp. 717–722, 2017.

S. H. Wang, Y. D. Lv, Y. Sui, S. Liu, S. J. Wang, and Y. D. Zhang, “Alcoholism Detection by Data Augmentation and Convolutional Neural Network with Stochastic Pooling,” JMed Syst, vol. 42, no. 1, 2018, doi: 10.1007/s10916-017-0845-x

S. F. Alamsyah, “Implementasi Deep Learning Untuk Klasifikasi Tanaman,” Computers and its Applications Journal (2019) 113-122, vol. 2, pp. 113–122, 2019, [Online]. 
Available: https://doi.org/10.51804/ucaiaj.v2i2.113-122.

Shukla, N. (2018). Machine learning with TensorFlow. Shelter Island, NY: Manning Publications

Sarigül, M., Ozyildirim, B. M., & Avci, M. (2019). Differential convolutional neural network. Neural Networks, 116, 279–287.

Suyanto. (2018). Machine Learning Tingkat Dasar dan Lanjut. Bandung: Informatika Bandung

Steinbrener, J., Posch, K., & Leitner, R. (2019). Hyperspectral fruit and vegetable classification using convolutional neural networks. Computers and Electronics in Agriculture, 162, 364–372

S, Roopashree; J, Anitha (2020), “Medicinal Leaf Dataset”, Mendeley Data, V1, doi: 0.17632/nnytj2v3n5.11

Sitorus, Lamhot. 2015. Algoritma dan Pemrograman. Yogyakarta: CV. Andi Offset.

Satyaputra, Alfa & Maulina Eva Aritonang. (2016). Let’s Build Your Android Apps With Android Studio. Jakarta: PT Elex Media Komputindo.

Torrey, L.,& Shavlik, J. (1 C.E.)Transfer Learning. Https://Services.Igi-Global.Com/Resolvedoi/Resolve.Aspx?Doi=10.4018/978-1-60566-766-9.Ch011,https://doi.org/10.4018/978-1-60566-766-9.CH011 242–264
Tensorflow, Tensorflow. (n.d) https://www.tensorflow.org/
 
Vasilev, Ivan; Slater, Danie; Spacagna, Gianmario; Roelants, Peter; Zocca, V. (2019). Python Deep Learning Second Edition. Birmingham: Packt Publishing Ltd.

Waheed, A., Goyal, M., Gupta, D., Khanna, A., Hassanien, A. E., & Pandey, H. M. (n.d.). An Optimized Dense Convolutional Neural Network Model for Disease Recognition and Classification in Corn Leaf.

Warta, L., Harismah, K., Chusniatun, D., Kimia, J. T., & Tarbiyah, J. (2017).
PEMANFAATAN DAUN SALAM (Eugenia polyantha) SEBAGAI OBAT HERBAL DAN REMPAH PENYEDAP MAKANAN. Warta LPM, 19(2), 110–118.
https://doi.org/10.23917/WARTA.V19I2.2742

Wulandari, I., Yasin, H., & Widiharih, T. (2020). Klasifikasi citra digital bumbu dan rempah dengan algoritma convolutional neural network (cnn). Jurnal Gaussian, 9(3), 273-282.

W. S. Jeon and S. Y. Rhee, “Plant leaf recognition using a convolution neural network,”
International Journal of Fuzzy Logic and Intelligent Systems, vol. 17, no. 1, pp. 26–34,
2017, doi: 10.5391/IJFIS.2017.17.1.26.

You, W., Shen, C., Guo, X., Jiang, X., Shi, J., & Zhu, Z. (2017). ) 1-17 Ó The Author(s).
Special Issue Article Advances in Mechanical Engineering, 9(6), 2017.https://doi.org/10.1177/1687814017704146

Yu, R., & Shi, L. (2018). A user-based taxonomy for deep learning visualization. Visual Informatics, 2(3), 147–154. https://doi.org/10.1016/J.VISINF.2018.09.001

Zaharchuk, G., Gong, E., Wintermark, M., Rubin, D., & Langlotz, C. P. (2018). Deep Learning in Neuroradiology. American Journal of Neuroradiology, 39(10), 1776–1784.
https://doi.org/10.3174/AJNR.A5543