Implementasi convolutional neural network (CNN) untuk klasifikasi citra bunga

Penelitian ini bertujuan untuk menggunakan metode Convolutional Neural Network (CNN) berbasis TensorFlow-Keras untuk mengklasifikasikan 4.351 gambar dari lima jenis bunga: Daisy, Dandelion, Rose, Sunflower, dan Tulip. Bunga-bunga ini termasuk dalam dataset yang digunakan. Proses penelitian meliputi proses preprocessing data, augmentasi gambar, pelatihan dan pengujian pembagian data, perancangan arsitektur CNN, dan evaluasi kinerja model. Hasil penelitian menunjukkan bahwa model CNN dibangun dengan menggunakan optimizer Adam dan pelatihan sebanyak 50 epoch. Model menggunakan lapisan convolutional, MaxPooling, Flatten, dan Dense Layer, dan memiliki akurasi validasi sekitar 79–80% dalam mengenali jenis bunga berdasarkan karakteristik visual seperti warna, bentuk kelopak, dan tekstur bunga. Secara keseluruhan, penelitian ini menunjukkan bahwa metode CNN berbasis TensorFlow-Keras dapat digunakan dengan baik untuk klasifikasi gambar bunga; Namun, ada beberapa kesalahan klasifikasi pada kelas bunga yang memiliki kesamaan visual, seperti Tulip dan Rose, yang menunjukkan bahwa teknik augmentasi data membuat model lebih mampu menggeneralisasi terhadap variasi gambar.