Klasifikasi Citra Bunga Multikelas Menggunakan Convolutional Neural Network (CNN)
DOI:
https://doi.org/10.47701/0d10j421Keywords:
Klasifikasi citra, Convolutional Neural Network, citra bunga, deep learning, PythonAbstract
Penelitian ini bertujuan mengembangkan model klasifikasi citra bunga multikelas menggunakan algoritma Convolutional Neural Network (CNN) untuk mengatasi keterbatasan identifikasi manual yang kurang efisien dan rawan kesalahan. Dataset yang digunakan berjumlah 994 gambar dari sepuluh jenis bunga, diunduh dari platform Kaggle dan diproses melalui tahapan augmentasi serta normalisasi. Model CNN dibangun dengan empat lapisan konvolusi beraktivasi ReLU, dilanjutkan dengan pooling dan lapisan dense, serta dilatih menggunakan optimizer Adam dan fungsi loss categorical crossentropy. Evaluasi dilakukan dengan metrik akurasi, Mean Absolute Error (MAE), dan Mean Absolute Percentage Error (MAPE). Hasil pelatihan menunjukkan akurasi validasi sebesar 72,48% dan nilai MAE yang rendah, yang mengindikasikan kemampuan generalisasi model terhadap data baru. Model juga menunjukkan performa yang baik dalam mengklasifikasikan citra yang belum pernah dilatih sebelumnya. Dengan demikian, CNN terbukti efektif untuk klasifikasi otomatis citra bunga dan memiliki potensi untuk dikembangkan lebih lanjut dalam aplikasi berbasis teknologi visual serta peningkatan performa melalui tuning arsitektur.
References
[1] M. O. Luruk, A. Y. Rahman, and F. Marisa, “Klasifikasi jenis patung menggunakan metode Convolutional Neural Network (CNN),” JATISI (Jurnal Teknik Informatika dan Sistem Informasi), vol. 12, no. 1, 2025. [Online]. Available: https://jurnal.mdp.ac.id/index.php/jatisi/article/view/9247
[2] A. N. R. Munandar and A. F. Rozi, “Analisis arsitektur Convolutional Neural Network untuk klasifikasi citra bunga,” Jurnal Teknologi dan Sistem Informasi Bisnis, vol. 6, no. 3, pp. 522–531, 2024. [Online]. Available: http://jurnal.unidha.ac.id/index.php/jteksis/article/view/1413
[3] A. Wibowo, F. H. Subchan, and N. D. Sari, “Klasifikasi Citra Bunga Menggunakan CNN dan Grid Search Hyperparameter Tuning,” Jurnal Teknik Informatika (JUTIF), vol. 5, no. 3, pp. 539–547, 2024.
[4] F. Fitriani, “Klasifikasi jenis bunga dengan menggunakan Convolutional Neural Network (CNN),” TEKNIMEDIA: Teknologi Informasi dan Multimedia, vol. 2, no. 2, pp. 64–68, 2021. [Online]. Available: https://stmiksznw.ac.id/jurnal/index.php/teknimedia/article/view/39
[5] N. Rumui, A. Mualo, J. Rahayaan, L. Batjo, and M. Mokansi, “Analisis komparasi model deep learning CNN dengan VGG16 dalam klasifikasi jenis bunga,” Informatik: Jurnal Ilmu Komputer, vol. 21, no. 1, pp. 35–44, 2025. [Online]. Available: https://ejournal.upnvj.ac.id/informatik/article/view/11105
[6] I. G. Perwati, N. Suarna, and T. Suprapti, “Analisis klasifikasi gambar bunga lily menggunakan metode Convolutional Neural Network (CNN) dalam pengolahan citra,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 8, no. 3, pp. 2908–2915, 2024. [Online]. Available: https://mail.ejournal.itn.ac.id/index.php/jati/article/view/9193
[7] I. Rianto and I. P. I. Santosa, Data Preparation untuk Machine Learning & Deep Learning. Yogyakarta, Indonesia: Penerbit Andi, 2025.
[8] M. I. Burhanuddin, A. Syaifullah, S. A. P. Jaya, and M. G. Somoal, “Analisis komparatif model MobileNetV1 dan EfficientNetB0 dalam klasifikasi citra empat musim menggunakan transfer learning,” JEKIN - Jurnal Teknik Informatika, vol. 5, no. 2, pp. 508–521, 2025. [Online]. Available: https://www.rumahjurnal.or.id/index.php/JEKIN/article/view/1378
[9] C. Cahyaningtyas et al., Computer Vision untuk Pemula: Deteksi dan Analisis Ekspresi Wajah dengan CNN. Yogyakarta, Indonesia: Uwais Inspirasi Indonesia, 2025.
[10] M. H. R. Pratama, M. Akrom, A. P. Santosa, M. R. Rosyid, and L. Mawaddah, “Klasifikasi otomatis korosi menggunakan Convolutional Neural Network dan transfer learning dengan model MobileNetV2,” Jurnal Algoritma, vol. 22, no. 1, pp. 138–148, 2025. [Online]. Available: https://jurnal.itg.ac.id/index.php/algoritma/article/view/2182
[11] B. Aribowo and S. Fairuz, Panduan Praktis Machine Learning Klasifikasi Menggunakan Python. Yogyakarta, Indonesia: Diandra Kreatif, 2024.
[12] A. L. Nasution and R. N. S. Fatonah, Klasifikasi Kondisi Peralatan Elektronik Metode Gaussian Naive Bayes. Penerbit Buku Pedia, 2023.
[13] E. Predianto and B. Sutomo, “Klasifikasi Jenis Bunga dengan Algoritma Convolutional Neural Network (CNN) Menggunakan Metode Region-Based Convolutional Neural Network (R-CNN),” Cyberspace: Jurnal Pendidikan Teknologi Informasi, vol. 8, no. 2, pp. 1–15, 2024. [Online]. Available: https://jurnal.ar-raniry.ac.id/index.php/cyberspace/article/view/25441
[14] D. K. F. Wantasen, A. Yusupa, dan V. Taringan, “Klasifikasi Uang Kertas Menggunakan Convolutional Neural Network,” Variable Research Journal, vol. 2, no. 02, pp. 658–668, 2025. [Online]. Available: https://variablejournal.my.id/index.php/VRJ/article/view/225
[15] R. P. Ray, Analisis Pengaruh Fungsi Aktivasi CNN terhadap Performa Klasifikasi Hewan, Doctoral dissertation, Universitas Medan Area, 2025. [Online].
