Keywords
Klasifikasi citra, Convolutional Neural Network (CNN),
Segmentasi Thresholding,
Deteksi Tepi Sobel
Tingkat kemekaran
How to Cite
Abstract
Bunga mawar merah memiliki tiga tahap utama dalam proses mekarnya, yaitu kuncup, setengah mekar, dan mekar penuh. Proses klasifikasi tahap kemekaran secara manual dinilai kurang efisien, bersifat subjektif, serta rawan kesalahan, terlebih ketika diterapkan dalam jumlah besar untuk tujuan industri atau penelitian. Oleh karena itu, diperlukan sistem klasifikasi otomatis yang akurat dan konsisten. Penelitian ini bertujuan untuk merancang sistem klasifikasi citra bunga mawar merah berdasarkan tingkat mekarnya menggunakan metode Convolutional Neural Network (CNN). Untuk mendukung proses klasifikasi, dilakukan praproses citra seperti normalisasi, pengubahan ukuran ke 150x150 piksel, augmentasi (seperti rotasi, flipping, dan zoom), serta penambahan fitur dari segmentasi thresholding dan deteksi tepi Sobel. Model CNN dilatih untuk mengenali ciri visual dari masing-masing tahapan kemekaran. Hasil pengujian menunjukkan bahwa sistem mampu mengklasifikasikan citra ke dalam tiga kategori dengan akurasi validasi tertinggi sebesar 92,61% pada epoch ke-18 dan ke-20. Kombinasi segmentasi thresholding, deteksi tepi Sobel, dan CNN murni terbukti meningkatkan akurasi klasifikasi citra bunga mawar merah secara signifikan.
References
[1] N. Hayati, “KLASIFIKASI JENIS BUNGA MAWAR MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOUR,” 2023.
[2] I. Febriani Tanjung, S. Melina Sari, S. Namiroh, T. Wardana, and J. Pendidikan Bilologi, “Pengaruh Pemberian NaCL Terhadap Reproduksidan Pertumbuhan Pada Tanaman Mawar (Rosa hybrida),” vol. 7, no. 2, 2022.
[3] I. R. D. Anjarsari, “PEMANFAATAN BUNGA MAWAR UNTUK KONSUMSI DI DESA CILELES KECAMATAN JATINANGOR KABUPATEN SUMEDANG,” Dharmakarya, vol. 11, no. 2, p. 172, Jun. 2022, doi: 10.24198/dharmakarya.v11i2.33491.
[4] S. Sulfiani and S. Sukmawati, “Pemanfaatan Ekstrak Bunga Mawar Merah (Rosa hybrida) Asal Desa Bonto Majannang Kabupaten Bantaeng sebagai Indikator Formalin pada Ikan Asin,” J. Abdidas, vol. 1, no. 5, pp. 478–486, Oct. 2020, doi: 10.31004/abdidas.v1i5.99.
[5] J. Pendidikan and B. Indonesia, “PENGARUH BERBAGAI KONSENTRASI EKSTRAK BUNGA MAWAR MERAH (Rosa damascena Mill) TERHADAP STABILITAS WARNA ANTOSIANIN AGAR-AGAR SEBAGAI SUMBER BELAJAR BIOLOGI THE INFLUENCE OF VARIOUS CONCENTRATION OF RED ROSES (ROSA DAMASCENA MILL) FLOWER EXTRACT TO ANTHOCYANIN COLOR STABILITY JELLY AS BIOLOGY LEARNING SOURCE,” vol. 2, 2016.
[6] J. Winson Sukiatmodjo -, “Makalah IF4073 Interpretasi dan Pengolahan Citra, Semester I Tahun,” 2023. [Online]. Available: https://www.gramedia.com/literasi/bagian-bunga/
[7] H. A. Pratiwi, M. Cahyanti, and M. Lamsani, “Implementasi Deep Learning Flower Scanner Menggunakan Metode Convolutional Neural Network,” Sebatik, vol. 25, no. 1, pp. 124–130, 2021, doi: 10.46984/sebatik.v25i1.1297.
[8] A. Puteri Bilqis Salsabila et al., “Identifikasi Citra Jenis Bunga menggunakan Algoritma KNN dengan Ekstrasi Warna HSV dan Tekstur GLCM,” Technomedia J., doi: 10.33050/tmj.v6i1.
[9] D. Wandi, F. Fauziah, and N. Hayati, “Deteksi Kelayuan Pada Bunga Mawar dengan Metode Transformasi Ruang Warna Hue Saturation Intensity (HSI) dan Hue Saturation Value (HSV),” J. MEDIA Inform. BUDIDARMA, vol. 5, no. 1, p. 308, Jan. 2021, doi: 10.30865/mib.v5i1.2562.
[10] W. Shinta Sari and C. Atika Sari, “Klasifikasi Bunga Mawar Menggunakan KNN dan Ekstraksi Fitur GLCM dan HSV,” SKANIKA Sist. Komput. dan Tek. Inform., vol. 5, no. 2, pp. 145–156, 2022.
[11] M. Fakhrurrozy Cahyadi, S. Syahputra, M. A. Syari, and S. Kaputama, “Penerapan Metode Thresholding Pada Proses Transformasi Citra Digital,” 2022. [Online]. Available: https://creativecommons.org/licenses/by-sa/4.0/
[12] M. Deteksi Tepi Sobel and K. Fitriya, “SEGMENTASI REGION OF INTEREST (ROI) GARIS TELAPAK TANGAN,” Online. [Online]. Available: http://jurnal.yudharta.ac.id/v2/index.php/EXPLORE-IT/
[13] I. Gilang Perwati, N. Suarna, and T. Suprapti, “ANALISIS KLASIFIKASI GAMBAR BUNGA LILY MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DALAM PENGOLAHAN CITRA,” 2024.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2025 Sonya Natasha, Resty Wulanningrum, Julian Sahertian