TPHerbleaf : Dataset Untuk Klasifikasi Jenis Daun Tumbuhan Herbal Berdasarkan Lontar Usada Taru Pramana

Authors

  • Ni Putu Dita Ariani Sukma Dewi Universitas Pendidikan Ganesha
  • Made Windu Antara Kesiman Universitas Pendidikan Ganesha
  • I Made Gede Sunarya Universitas Pendidikan Ganesha
  • I Gusti Ayu Agung Diatri Indradewi Universitas Pendidikan Ganesha
  • I Gede Andika Institut Bisnis dan Teknologi Indonesia

DOI:

https://doi.org/10.31598/jurnalresistor.v6i2.1421

Keywords:

Dataset, Tumbuhan Herbal, Klasifikasi, Lontar Usada Taru Pramana, TPHerbleaf

Abstract

Tumbuhan herbal ialah jenis tumbuhan yang dimanfaatkan dalam bidang kesehatan. Tumbuhan herbal umumnya dikenali dari daunnya karena daun mudah dibandingkan dengan bagian tumbuhan lainnya seperti bunga, buah, atau akarnya. Minimnya pengetahuan mengenai jenis tumbuhan herbal dan kemiripan jenis morfologi daun merupakan tantangan yang ditemui dalam pengenalan tumbuhan herbal, sehingga sulit untuk mengenali tumbuhan herbal terutama bagi orang yang tidak memiliki pengetahuan botani. Penelitian ini bertujuan untuk membuat dataset citra daun tumbuhan herbal bernama TPHerbleaf. Dataset ini akan digunakan untuk mengenali dan mengklasifikasikan jenis daun tumbuhan herbal berpedoman pada Lontar Usada Taru Pramana yang merupakan kearifan lokal masyarakat Bali dalam pengobatan tradisional dan telah dikaji secara ilmiah. Metode untuk klasifikasi tumbuhan herbal menggunakan EfficientNet B2 yang menghasilkan nilai akurasi 97,5% untuk training, 81,77% untuk validation, dan 83,49% untuk testing. Dengan menggabungkan pengetahuan tradisional dengan teknologi modern, penelitian ini diharapkan dapat memberikan kontribusi dalam meningkatkan pemahaman serta pelestarian warisan budaya melalui aplikasi praktis dalam bidang klasifikasi citra.

Downloads

Download data is not yet available.

References

R. Akter and M. I. Hosen, “CNN-based Leaf Image Classification for Bangladeshi Medicinal Plant Recognition,” in 2020 Emerging Technology in Computing, Communication and Electronics (ETCCE), 2020, pp. 1–6, doi: 10.1109/ETCCE51779.2020.9350900.

K. E. Tarigan and M. Stevani, “Ecology of The Batak Toba Medicinal Plants in Praxis Social Approach,” Br. J. Biol. Stud., vol. 1, no. 1, pp. 42–48, 2021, doi: 10.32996/bjbs.2021.1.1.3.

B. D. Mardiana, W. B. Utomo, and U. N. Oktaviana, “Herbal Leaves Classification Based on Leaf Image Using CNN Architecture Model VGG16,” J. Resti Rekayasa Sist. dan Teknol ogi Inf., vol. 7, no. 1, pp. 20–26, 2023, [Online]. Available: https://jurnal.iaii.or.id/index.php/RESTI/article/view/4550/695.

I Wayan Sukersa, Usada Taru Pramana: Sebuah Wahana Pelestarian Flora Bahan Obat Tradisional Bali. Denpasar: Swasta Nulus, 2017.

P. E. S. Adnyana, “Empirisme Penggunaan Tumbuhan pada Pengobatan Tradisional Bali : Lontar Taru Pramana dalam Konstruksi Filsafat Ilmu,” SANJIWANI J. Filsafat, vol. 12, no. 1, 2021, [Online]. Available: http://ejournal.ihdn.ac.id/index.php/Sanjiwani/article/view/2059/1631.

Y. Zhang, J. Cui, Z. Wang, J. Kang, and Y. Min, “Leaf Image Recognition Based on Bag of Features,” MDPI, 2020, doi: 10.3390/app10155177.

M. F. Kazerouni, N. T. M. Saeed, and K.-D. Kuhnert, “Fully-automatic natural plant recognition system using deep neural network for dynamic outdoor environments,” Springer Nat. Switz. AG 2019, vol. 1, no. 756, 2019, doi: 10.1007/s42452-019-0785-9.

C. P. Lee, K. M. Lim, Y. X. Song, and A. Alqahtani, “Plant-CNN-ViT: Plant Classification with Ensemble of Convolutional Neural Networks and Vision Transformer,” Plants (Basel), vol. 12, no. 14, p. 2642, 2023, doi: 10.3390/plants12142642.

S. A. Wagle, R. Harikrishnan, S. H. M. Ali, and Mohammad Faseehuddin, “Classification of Plant Leaves Using New Compact Convolutional Neural Network Models,” Plants, vol. 11, no. 1, p. 24, 2021, doi: 10.3390/plants11010024.

I. W. Y. Dharma and I. G. A. R. Jayawangsa, “LONTAR TARU PREMANA WARISAN JENIUS LOKAL BALI KAJIAN ETNOPEDADOGI,” Subasita J. Sastra Agama dan Pendidik. Bhs. Bali, vol. 1, no. 2, pp. 1–12, 2020, [Online]. Available: https://ojs.unud.ac.id/index.php/kajianbali/article/view/48822.

B. M. Quach, D. V. Cuong, N. Pham, D. Huynh, and B. T. Nguyen, An Effective Leaf Recognition Using Convolutional Neural Networks Based Features. 2021.

C. Shorten and T. M. Khoshgoftaar, “A survey on Image Data Augmentation for Deep Learning,” J. Big Data, vol. 6, no. 60, pp. 1–48, 2019, doi: 10.1186/s40537-019-0197-0.

R. Kumar, A. Chug, A. P. Singh, and D. Singh, “A Systematic Analysis of Machine Learning and Deep Learning Based Approaches for Plant Leaf Disease Classification: A Review,” J. SensorsHindawi, vol. 2022, pp. 1–13, 2022, doi: https://doi.org/10.1155/2022/3287561.

Felix, J. Wijaya, S. P. Sutra, P. W. Kosasih, and P. Sirait, “Implementasi Convolutional Neural Network Untuk Identifikasi Jenis Tanaman Melalui Daun,” J. SIFO Mikroskil, vol. 21, no. 1, pp. 1–10, 2020, [Online]. Available: https://www.mikroskil.ac.id/ejurnal/index.php/jsm/article/view/672.

K. Sreenath P et al., “Deep Learning Classification of Lake Zooplankton,” Front. Microbiol., vol. 12, 2021, doi: 10.3389/fmicb.2021.746297.

S. Aras, A. Setyanto, and Rismayani, “Deep Learning Untuk Klasifikasi Motif Batik Papua Menggunakan EfficientNet dan Trasnfer Learning,” Insect (Informatics Secur. J. Tek. Inform., vol. 8, no. 1, pp. 11–20, 2022, doi: 10.33506/insect.v8i1.1865.

Sutomo and R. Iryadi, “Konservasi Tumbuhan Obat Tradisional ‘Usada Bali,’” Bul. Udayana Mengabdi, vol. 18, no. 4, pp. 58–63, 2019, doi: 10.24843/BUM.2019.v18.i04.p11.

H. A. Pitoyo, “IMPLEMENTASI METODE SUPPORT VECTOR MACHINE UNTUK KLASIFIKASI DAUN MANGGA BERDASARKAN TEKSTUR DAUN,” Universitas Islam Negeri Syarif Hidayatullah Jakarta, 2020.

Rosalina and A. Wijaya, “Pendeteksian Penyakit pada Daun Cabai dengan Menggunakan Metode Deep Learning,” JuTISI J. Tek. Inform. dan Sist. Inf., vol. 6, no. 3, pp. 452–461, 2020, [Online]. Available: https://journal.maranatha.edu/index.php/jutisi/article/view/2857.

Y. Arun and V. G. S, “Leaf Classification for Plant Recognition using EfficientNet Architecture,” Int. J. Eng. Res. Technol., vol. 10, no. 11, pp. 68–72, 2021, [Online]. Available: https://www.ijert.org/leaf-classification-for-plant-recognition-using-efficientnet-architecture.

M. Tan and Q. V. Le, “EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks,” arXiv:1905.11946, 2019, doi: 10.48550/arXiv.1905.11946.

I. Syurfi, “PENERAPAN DEEP LEARNING DENGAN CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI CITRA DIABETIC DENGAN ARSITEKTUR EFFICIENTNET-B7,” UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM, 2021.

J. Bjorck, C. Gomes, B. Selman, and K. Q. Weinberger, “Understanding Batch Normalization,” 2018, doi: 10.48550/arXiv.1806.02375.

Downloads

Published

2023-08-31

How to Cite

Dewi, N. P. D. A. S. ., Kesiman, M. W. A. ., Sunarya, I. M. G. ., Indradewi, I. G. A. A. D. ., & Andika, I. G. . (2023). TPHerbleaf : Dataset Untuk Klasifikasi Jenis Daun Tumbuhan Herbal Berdasarkan Lontar Usada Taru Pramana. Jurnal RESISTOR (Rekayasa Sistem Komputer), 6(2), 57–68. https://doi.org/10.31598/jurnalresistor.v6i2.1421

Issue

Vol. 6 No. 2 (2023): Jurnal RESISTOR Edisi Agustus 2023

Section

Articles

License

Copyright (c) 2023 Ni Putu Dita Ariani Sukma Dewi, Made Windu Antara Kesiman, I Made Gede Sunarya, I Gusti Ayu Agung Diatri Indradewi, I Gede Andika

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Copyright in each article belongs to the author.

  1. The authors admit that RESISTOR Journal as a publisher who published the first time under   Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) License.
  2. Authors can include writing separately, regulate distribution of non-ekskulif of manuscripts that have been published in this journal into another version (eg sent to respository institution author, publication into a book, etc.), by recognizing that the manuscripts have been published for the first time in RESISTOR Journal