Identifikasi Jenis Bambu dengan Metode Convolutional Neural Networks (CNN)

Abstract

Bambu mempunyai karakteristik mulai dari internode, kelenturan, kekuatan dan kegunaannya sehingga mengetahui jenis bambu penting sedangkan mengetahui jenis bambu bisa terlaksanakan pada laboratorium bambu. Jenis bambu perlu tahu sebagai langkah awal klasifikasi. Saat ini, proses identifikasi bambu hanya dapat terlaksankan pada rumpun bambu oleh peneliti atau petugas ahli, terlatih dan berpengalaman, seputar kondisi individu menentukan hasil dan lamanya waktu identifikasi. Pengetahuan jenis bambu dengan menggunakan teknologi informasi masih belum terkuasai. Penelitian ini bertujuan untuk mengembangkan sistem identifikasi batang bambu berdasarkan struktur anatominya secara otomatis sehingga dapat membantu mengidentifikasi jenis bambu secara cepat dan mudah. Algoritma identifikasi bambu terbuat menggunakan Convolutional Neural Networks (CNN) berdasarkan citra makroskopis penampang melintang bambu. CNN mempunyai arsitektur seperti ResNet50, ResNet101 dan DenseNet201. Ketiga arsitektur tersebut terbandingkan untuk terterima hasil akurasi tertinggi dan loss terendah menggunakan data dan model yang sama, hasil terbaik terpilih sebagai model untuk aplikasi yang terberi nama ASINABU. Hasil penelitian menunjukkan accuracy, precision, recall, dan f1 score memberikan hasil baik. Nilai tertinggi 0,90 terperoleh pada model dengan arsitektur ResNet50. Nilai terbaik pada loss dari model ResNet50 mencapai 0,31. Berdasarkan kedua nilai tersebut, model ResNet50 tergunakan pada aplikasi ASINABU. Hasil penelitian menunjukkan aplikasi ASINABU mendeteksi spesies bambu dengan akurasi mencapai 99%.