Deteksi Daun Herbal Berbasis Android Menggunakan Transfer Learning MobileNetV2
DOI:
https://doi.org/10.29407/5b3jst33Keywords:
Android, daun herbal, MobileNetV2, computer visionAbstract
Negara Indonesia adalah negara yang kaya akan tanaman herbal, namun sering kali sulit membedakannya karena banyak daun yang bentuknya mirip saat melakukan identifikasi gambar otomatis. Riset ini berupaya menciptakan alat pendeteksi daun obat dengan memakai rancangan MobileNetV2 melalui Transfer Learning di platform Android. Data latih penelitian ini berisi 3.500 foto daun obat yang terbagi rata ke dalam 10 jenis untuk proses belajar, pengecekan, dan pengujian. Proses belajar model di studi ini mencapai akurasi cek sebesar 99.43%, menandakan adanya sedikit kecenderungan overfitting. Namun, saat diuji coba, akurasinya mencapai 74.24%, memperlihatkan kemampuan adaptasi yang lebih baik dibandingkan riset sebelumnya memakai Inception V3. Kekeliruan klasifikasi yang paling parah terjadi pada daun yang bentuk fisiknya sangat mirip satu sama lain. Selanjutnya, model ini diwujudkan dalam aplikasi Android yang mampu menggolongkan daun obat tanpa koneksi internet dan bekerja lancar, ditambah nilai keyakinan untuk menekan potensi salah tebak positif, serta memaparkan manfaat medis setiap daun yang teridentifikasi berdasarkan referensi literatur dari Kementerian Kesehatan Republik Indonesia. Temuan riset ini menegaskan bahwa MobileNetV2 dengan transfer learning memang efektif dipakai sebagai deteksi daun obat di perangkat Android dengan komputasi minim.
Downloads
References
[1] E. Anggraini and N. Nafiiyah, “Klasifikasi Jenis Daun Jambu Air dengan Backpropagation.”
[2] A. Tirtana, M. Gita, T. Febriani, D. I. Masrui, and A. A. Aisyah, “Herbify: Aplikasi Perangkat Bergerak Berbasis Komputasi Awan Untuk Mengidentifikasi Tanaman Herbal Indonesia Menggunakan Cnn Model Xception,” 2021.
[3] A. Kurnia, S. Yuda, and A. Setiadi, “Implementasi Prediksi Tanaman Herbal Menggunakan Algoritma Convolutional Neural Network Berbasis Android,” 2023. [Online]. Available: https://ejournal.bsi.ac.id/ejurnal/index.php/reputasi84
[4] H. Kamilia Zulfiani and A. Abdullah, “IDENTIFIKASI DAUN HERBAL UNTUK TANAMAN OBAT MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN),” 2025.
[5] I. N. Switrayana, D. Ashadi, H. Hairani, and A. Aminuddin, “Sentiment Analysis and Topic Modeling of Kitabisa Applications using Support Vector Machine (SVM) and Smote-Tomek Links Methods,” International Journal of Engineering and Computer Science Applications (IJECSA), vol. 2, no. 2, pp. 81–91, Sep. 2023, doi: 10.30812/ijecsa.v2i2.3406.
[6] Kementerian Kesehatan Republik Indonesia, "Keputusan Menteri Kesehatan Republik Indonesia Nomor HK.01.07/MENKES/187/2017 tentang Formularium Ramuan Obat Tradisional Indonesia," Jakarta: Kementerian Kesehatan RI, 2017.
[7] D. Liu, H. Zhao, H. Xu, and J. Hu, “Effects of celery (Apium graveolens) on blood pressure, glycemic and lipid profile in adults: a systematic review and meta-analysis of randomized controlled trials,” 2025, Frontiers Media SA. doi: 10.3389/fnut.2025.1597680.
[8] P. P. Adkar and V. H. Bhaskar, “Pandanus odoratissimus (Kewda): A review on ethnopharmacology, phytochemistry, and nutritional aspects,” 2014, Hindawi Publishing Corporation. doi: 10.1155/2014/120895.
[9] M. Erista Magdalena, S. Yolandari, S. Supardi, and P. Baubau, “EFFECTIVENESS OF BURN WOUND HEALING FROM JACKFRUIT LEAF ETHANOL EXTRACT (Artocarpus Heterophyllus L.) ON MALE WHITE RATS (Rattus Norvegicus),” 2024.
[10] M. Sandler, A. Howard, M. Zhu, A. Zhmoginov, and L.-C. Chen, “MobileNetV2: Inverted Residuals and Linear Bottlenecks,” Mar. 2019, [Online]. Available: http://arxiv.org/abs/1801.04381
[11] Minarno, Agus Eko; Wicaksono, Galih Wasis; Azhar, Yufis; Hasanuddin, Muhammad Yusril (2022), “Indonesian Herb Leaf Dataset 3500”, Mendeley Data, V1, doi: 10.17632/s82j8dh4rr.1
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Raya Osgibran
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
