Abstrak
Bunga anggrek merupakan salah satu jenis tanaman berbunga yang memiliki banyak genus. Grammatophyllum termasuk kedalam salah satu genus bunga anggrek, pada genus ini terdapat 13 spesies anggrek. Bagi manusia yang memiliki pengetahuan akan bunga anggrek akan mudah untuk mengklasifikasikan spesies bunga anggrek tersebut, namun bagi komputer pengklasifikasian bunga merupakan tugas yang cukup komplek. Dengan adanya sistem klasifikasi bunga anggrek dapat membantu seseorang yang belum memiliki pengetahuan tentang bunga anggrek untuk mengenali spesies bunga anggrek genus grammatophyllum. Metode yang banyak digunakan dalam klasifikasi citra adalah Convolutional Neural Network (CNN), Pada penelitian ini dilakukan klasifikasi bunga anggrek untuk genus grammatophyllum dengan menggunakan metode CNN dengan mengimplementasikan arsitektur AlexNet dan custom arsitektur CNN. Data bunga anggrek grammatophyllum ini dikumpulkan secara primary dan secondary. Performansi terbaik pada arsitektur Alexnet didapat dengan mengimplementasikan dropout 30% yaitu precision 79.76%, recall 83.33%, f score 84.10% dan akurasi sebesar 86.07%. Sedangkan untuk custom arsitektur CNN didapat dengan hasil implementasi dropout 20% yaitu precision 93.75%, recall 91.66%, f score 91.74% dan akurasi sebesar 91.42%.
Kata kunci : bunga anggrek, klasifikasi, CNN, genus grammatophyllum, arsitektur CNN.
Abstract
Orchid flowers are one type of flowering plant that has many genera. Grammatophyllum belongs to one genus of orchids, in this genus there are 13 species of orchids. For humans who have knowledge of orchids, it will be easy to classify the species of orchids, but for computers, classifying flowers is a fairly complex task. With the orchid flower classification system, it can help someone who does not have knowledge of orchids to identify species of orchids of the grammatophyllum genus. The method that is widely used in image classification is the Convolutional Neural Network (CNN). In this study, the classification of orchids for the grammatophyllum genus was carried out using the CNN method by implementing AlexNet architecture and custom CNN architecture. This grammatophyllum orchid flower data was collected primary and secondary. The best performance on the Alexnet architecture is obtained by implementing a dropout of 30%, namely 79.76% precision, 83.33% recall, 84.10% f score and 86.07% accuracy. As for the custom CNN architecture, the results of the implementation of a dropout of 20% are 93.75% precision, 91.66% recall, 91.74% f score and 91.42% accuracy.
Keywords : orchid flowers, classification, CNN, genus grammatophyllum, CNN architecture