Comprehensive Evaluation of CNN Model Performance in Dogfruit Plant Classificatio
Abstract
Jengkol (Archidendron pauciflorum) adalah tanaman hutan tropis Indonesia yang umum digunakan sebagai sumber pangan. Meskipun banyak digunakan sebagai bahan pangan, penelitian tentang klasifikasi morfologi Jengkol masih terbatas. Klasifikasi bagian-bagian Jengkol memiliki relevansi dalam bidang botani dan pertanian. CNN diterapkan untuk mengotomatisasi proses klasifikasi. Model akan dievaluasi dalam mengklasifikasi melalui analisis akurasi, precision, recall, dan f1-score. Model dilatih menggunakan 597 citra yang akan dibagi menjadi lima kelas. Model dilatih selama 200 epoch untuk meningkatkan kemampuan dalam mengenali pola visual antar kelas. Evaluasi kinerja diuji pada 120 citra yang dilakukan dengan mengukur akurasi, precision, recall, dan f1-score untuk setiap kelas. Hasil menunjukkan model mencapai akurasi 95%, dengan nilai precision dan f1-score tertinggi pada kelas batang (1.00), sedangkan kelas ranting memiliki f1-score terendah (f1-score 0.71). Ketidakseimbangan data antar kelas dan kemiripan visual antara ranting dan batang mempengaruhi hasil klasifikasi. Model CNN terbukti efektif untuk klasifikasi tanaman Jengkol pada kelas yang memiliki data lebih banyak dan fitur visual yang kuat.
Downloads
References
T. Cahyanto et al., ‘Kajian Etnobotani Tanaman Jengkol (Pithecellobium jiringa) di Desa Cimanggu Kecamatan Cibeber Kabupaten Cianjur’, J. Trop. Ethnobiol., pp. 186–189, Apr. 2021.
Mukhlis, ‘Respon Pertumbuhan dan Produksi Tanaman Kailan (Brassica oleraceae var. Achepala) Terhadap Pemberian Pupuk Kompos Kulit Jengkol dan Pupuk Organik Cair Urin Sapi’, Oct. 2017, Accessed: Sep. 10, 2024. [Online]. Available: https://repositori.uma.ac.id/handle/123456789/8245
O. Anal, ‘Karakterisasi Morfologi Tanaman Jengkol (Pithecellobium jiringa) Di Kabupaten Sijunjung’, diploma, Universitas Andalas, 2019. Accessed: Sep. 10, 2024. [Online]. Available: http://scholar.unand.ac.id/56173/
Y. Maxiselly, D. Ustari, A. Ismail, and A. Karuniawan, ‘Pola penyebaran tanaman jengkol (Pithecellobium jiringa (Jack) Prain.) di Jawa Barat bagian selatan berdasarkan karakter morfologi’, Kultivasi, vol. 15, no. 1, Mar. 2016, doi: 10.24198/kultivasi.v15i1.12007.
R. Maisyaroh, N. Azizah, N. Hidayat, and Hozairi, "Tren penelitian klasifikasi sentimen pelanggan berbasis machine learning," Jurnal Rekayasa Lampung (JRL), vol. 3, no. 3, pp. 69–78, 2025..
F. Fitriani, ‘Klasifikasi Jenis Bunga Dengan Menggunakan Convolutional Neural Network (CNN)’, Tek. Teknol. Inf. Dan Multimed., vol. 2, no. 2, Art. no. 2, Dec. 2021, doi: 10.46764/teknimedia.v2i2.39
A. M. Tama and R. C. N. Santi, ‘Klasifikasi Jenis Tanaman Hias Menggunakan Metode Convolutional Neural Network (CNN)’, INTECOMS J. Inf. Technol. Comput. Sci., vol. 6, no. 2, pp. 764–770, Sep. 2023, doi: 10.31539/intecoms.v6i2.7002.
A. E. Putra, M. F. Naufal, and V. R. Prasetyo, ‘Klasifikasi Jenis Rempah Menggunakan Convolutional Neural Network dan Transfer Learning’, JEPIN J. Edukasi Dan Penelit. Inform., vol. 9, no. 1, Art. no. 1, Apr. 2023, doi: 10.26418/jp.v9i1.58186.
M. Rahman, ‘Implementasi Algoritma Convolutional Neural Network (Cnn) Untuk Identifikasi Kualitas Tanaman Selada Berdasarkan Citra Daun’, J. Inform. Dan Tek. Elektro Terap., vol. 11, no. 3s1, Art. no. 3s1, Sep. 2023, doi: 10.23960/jitet.v11i3s1.3368.
B. Setiyono et al., ‘Identifikasi Tanaman Obat Indonesia Melalui Citra Daun Menggunakan Metode Convolutional Neural Network (CNN)’, J. Teknol. Inf. Dan Ilmu Komput., vol. 10, no. 2, pp. 385–392, Apr. 2023, doi: 10.25126/jtiik.20231026809.
S. A. F. Syahputra, N. M. Azizah, J. Aiman, D. A. Nikmah, and P. Rosyani, ‘Identifikasi Dan Prediksi Umur Berdasarkan Citra Wajah Menggunakan Deep Learning Algoritma Convolutional Neural Network (CNN)’, AI Dan SK J. Artif. Intell. Dan Sist. Penunjang Keputusan, vol. 2, no. 1, Art. no. 1, Jun. 2024.
B. Nugroho and E. Y. Puspaningrum, ‘Kinerja Metode CNN untuk Klasifikasi Pneumonia dengan Variasi Ukuran Citra Input’, J. Teknol. Inf. Dan Ilmu Komput., vol. 8, no. 3, pp. 533–538, Jun. 2021, doi: 10.25126/jtiik.2021834515.
D. Iswantoro and D. H. Un, ‘Klasifikasi Penyakit Tanaman Jagung Menggunakan Metode Convolutional Neural Network (CNN)’, J. Ilm. Univ. Batanghari Jambi, vol. 22, no. 2, Art. no. 2, Jul. 2022, doi: 10.33087/jiubj.v22i2.2065.
Y. LeCun, L. Bottou, Y. Bengio, and P. Ha, ‘Gradient-Based Learning Applied to Document Recognition’, 1998.
R. G. Guntara, ‘Deteksi Atap Bangunan Berbasis Citra Udara Menggunakan Google Colab dan Algoritma Deep Learning YOLOv7’, J. Manaj. Sist. Inf. JMASIF, vol. 2, no. 1, Art. no. 1, May 2023, doi: 10.59431/jmasif.v2i1.156.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
0895634518464 
