PENGELOMPOKAN JENIS POHON MANGGA BERDASARKAN BENTUK DAN TEKSTUR DAUN DENGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi enam jenis pohon mangga berdasarkan bentuk dan tekstur daunnya menggunakan algoritma Convolutional Neural Network (CNN). Jenis pohon mangga yang diklasifikasikan meliputi mangga Ambacang, Apel, Golek, Kweni, Madu, dan Manalagi. Setiap jenis memiliki karakteristik visual khas pada daunnya, sehingga dapat dimanfaatkan sebagai fitur pembeda dalam proses klasifikasi. Dataset yang digunakan terdiri dari 600 gambar daun mangga yang telah diberi label, dengan masing-masing kelas berjumlah 100 gambar. Proses preprocessing dilakukan melalui resize citra, normalisasi piksel, dan pembuatan generator untuk persiapan klasifikasi data. Arsitektur CNN yang digunakan memakai MobileNetV2 sebagai model dasar dengan penambahan lapisan klasifikasi. Dataset penelitian ini dibagi menjadi tiga bagian, yaitu data pelatihan sebesar 80%, data validasi 10%, dan data pengujian 10% dengan menerapkan metode stratified sampling guna menjaga proporsi data pada setiap kelas. Proses pelatihan model dilakukan selama 20 epoch menggunakan optimizer Adam dan fungsi loss categorical crossentropy. Evaluasi kinerja model dilakukan dengan mengukur nilai akurasi, presisi, recall, dan F1-score terhadap data uji. Hasil pengujian menunjukkan bahwa model memperoleh nilai akurasi sebesar 91,7%, dengan nilai presisi sebesar 93,3%, recall sebesar 91,7%, dan F1-score sebesar 92,0%. Hasil ini menunjukkan bahwa model CNN yang dikembangkan mampu mengklasifikasikan jenis daun mangga dengan akurasi tinggi dan dapat digunakan untuk mendukung identifikasi jenis pohon mangga melalui citra daun.