Identifikasi Kemekaran Bunga Mawar Merah Menggunakan CNN dengan Pendekatan Segmentasi Thresholding dan Deteksi Tepi Sobel
DOI:
https://doi.org/10.29407/swrhb043Abstract
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.
Keywords:
Bunga mawar merah, Klasifikasi citra, Convolutional Neural Network (CNN), , Segmentasi Thresholding,, Deteksi Tepi Sobel, Tingkat kemekaran##plugins.themes.default.displayStats.downloads##
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.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Sonya Natasha, Resty Wulanningrum, Julian Sahertian
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
