EUVIMEDEUVIMED entdecken
Open Access · CC BY-SA 4.0

KLASIFIKASI TANAMAN BERDASARKAN CITRA BUNGA MENGGUNAKAN CONVOLUTION NEURAL NETWORK (CNN)

Katarina Nofrianty Watu Dopo, Franki Yusuf Bisilisin, Benyamin Jago Belalawe

JATI (Jurnal Mahasiswa Teknik Informatika) · 31.07.2026 · 10 (4) · 5994-5999

DOI: 10.36040/jati.v10i4.18567 ↗

Kurz gefasst

Fachartikel in der Zeitschrift JATI (Jurnal Mahasiswa Teknik Informatika), online erschienen am 31.07.2026. Verfasst von Katarina Nofrianty Watu Dopo und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Tanaman merupakan ekosistem yang berperan penting sebagai penghasil oksigen, sumber makanan, bahan obat-obatan dan elemen estetika dan budaya bagi kelangsungan hidup manusia. Salah satu tanaman yang paling beragam adalah tanaman berbunga karena memiliki ciri visual yang menarik seperti bentuk dan warna bunga. Namun, proses mengidentifikasi dan mengklasifikasi tanaman berdasarkan citra bunga masih memakan waktu yang lama, membutuhkan keahlian khusus, dan rentan menimbulkan kesalahan ketika memiliki kemiripan antarspesies. Oleh karena itu dibutuhkan sistem otomatis untuk mengklasifikasikan tanaman berdasarkan citra bunga untuk meningkatkan efisiensi dan ketepatan.. Perkembangan teknologi saat ini memungkinkan proses klasifikasi tanaman berbunga dengan cara mengelompokkan gambar bunga berdasarkan ciri-ciri visual seperti bentuk dan warna bunga dengan menggunakan metode Convolution Neural Network (CNN). CNN merupakan salah satu metode deep learning yang memiliki kemampuan untuk mengelolah informasi citra dan membantu untuk mengklasifikasi gambar dengan beberapa tahapan yaitu convolutional layer untuk ekstraksi fitur, pooling layer untuk reduksi dimensi, dan fully connected layer untuk proses klasifikasi. Sehingga Penelitiaan ini bertujuan untuk mengklasifikasi jenis tanaman berdasarkan citra bunga menggunakan metode Convolution Neural Network (CNN). Hasil penelitian ini menunjukkan bahwa model yang dibangun mampu menghasilkan akurasi tertinggi pada fold ke-4 sebesar 90% dengan akurasi rata-rata 87,5%. Dengan demikian pada penelitian ini menunjukan bahwa metode Convloution Neural Network (CNN) efektif digunakan dalam klasifikasi citra

Zitieren

APA

Dopo, K. N. W., Bisilisin, F. Y., & Belalawe, B. J. (2026). KLASIFIKASI TANAMAN BERDASARKAN CITRA BUNGA MENGGUNAKAN CONVOLUTION NEURAL NETWORK (CNN). JATI (Jurnal Mahasiswa Teknik Informatika), 10(4), 5994-5999. https://doi.org/10.36040/jati.v10i4.18567

Vancouver

Dopo KNW, Bisilisin FY, Belalawe BJ. KLASIFIKASI TANAMAN BERDASARKAN CITRA BUNGA MENGGUNAKAN CONVOLUTION NEURAL NETWORK (CNN). JATI (Jurnal Mahasiswa Teknik Informatika). 2026;10(4):5994-5999. doi:10.36040/jati.v10i4.18567

BibTeX
@article{Dopo2026,
  author = {Dopo, Katarina Nofrianty Watu and Bisilisin, Franki Yusuf and Belalawe, Benyamin Jago},
  title = {KLASIFIKASI TANAMAN BERDASARKAN CITRA BUNGA MENGGUNAKAN CONVOLUTION NEURAL NETWORK (CNN)},
  journal = {JATI (Jurnal Mahasiswa Teknik Informatika)},
  year = {2026},
  volume = {10},
  number = {4},
  pages = {5994--5999},
  doi = {10.36040/jati.v10i4.18567}
}
Kostenlos starten →