KLASIFIKASI CITRA SPESIES BUNGA DI INDONESIA BERBASIS CONVOLUTIONAL NEURAL NETWORK MENGGUNAKAN TEKNIK TRANSFER LEARNING

Abstract

Indonesia memiliki sekitar 20.000 spesies bunga dengan berbagai bentuk, warna, dan struktur, yang menjadikan klasifikasi manual bunga menjadi tantangan, terutama karena kemiripan warna antarspesies. Penelitian ini bertujuan mengembangkan model klasifikasi bunga menggunakan Convolutional Neural Network (CNN) berbasis MobileNetV2 dengan teknik transfer learning. Dataset diambil dari Katalog Varietas Unggul Florikultura tahun 2015 oleh Badan Penelitian dan Pengembangan Pertanian, mencakup 11 jenis bunga dengan total 2137 citra, yang dibagi menjadi data latih, validasi, dan uji. Model CNN tanpa transfer learning menghasilkan akurasi 42% pada data uji, sedangkan penerapan transfer learning meningkatkan akurasi menjadi 73%. Hasil penelitian menunjukkan bahwa teknik transfer learning, khususnya dengan MobileNetV2 menggunakan bobot ImageNet, memberikan peningkatan akurasi yang signifikan, yakni 52% lebih baik dibandingkan metode tanpa transfer learning. Penelitian ini membuktikan bahwa model berbasis transfer learning dapat diimplementasikan untuk klasifikasi citra bunga secara efisien dan optimal, serta dapat digunakan pada perangkat berbasis smartphone.