<![CDATA[IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK KLASIFIKASI TANAMAN HERBAL JENIS RIMPANG]]>
Ghaida’ Nada Nazihah
Pengarang
Erna Dwi Astuti., M.Kom.
Dosen Pembimbing 1
M. Fuat Asnawi, S.Kom., M.M.
Dosen Pembimbing 2
Erna Dwi Astuti., M.Kom.
Penguji 1
M.Fuat Asnawi, S.Kom., M.m.
Penguji 2
Indonesia memiliki keanekaragaman hayati yang melimpah, termasuk tanamanherbal yang digunakan sebagai bahan dasar pengobatan alami. Namun, masyarakatmasih kesulitan mengenali dan membedakan berbagai jenis tanaman herbal akibatketerbatasan pengetahuan dan kemiripan morfologi antarspesies. Penelitian inimengembangkan sistem klasifikasi tanaman herbal jenis rimpang menggunakanmetode Convolutional Neural Network (CNN) dengan arsitektur EfficientNetB0.Dataset terdiri dari 1.000 gambar dalam 10 kelas, yaitu bengle, dringo, jahe, kunyit,kencur, lempuyang, lengkuas, temu hitam, temu kunci, dan temulawak. Prosesmeliputi pengumpulan data, preprocessing (resize dan augmentasi), pelatihanmodel, evaluasi, dan implementasi aplikasi berbasis website menggunakanStreamlit. Konfigurasi terbaik diperoleh dengan Dense layer 256 dan teknikaugmentasi rotasi serta flip selama 50 epoch. Model menghasilkan train accuracy99,92% dengan loss 0,0090, validation accuracy 98,40% dengan loss 0,0887, dantest accuracy 91,0% dengan loss 0,3075. Rata-rata confidence prediksi sebesar91,4%. Sistem telah diintegrasikan ke aplikasi TanaHerba untuk membantuklasifikasi tanaman herbal secara otomatis.
Kata Kunci : Klasifikasi, Tanaman Herbal, Convolutional Neural Network (CNN),EfficientNetB0, Streamlit.