IDENTIFIKASI JENIS TANAMAN OBAT BERDASARKAN BENTUK DAUN MENGGUNAKAN CNN

Meydina Aulia Savitri, Trisna Andhika Saputra, Aziz Bayu Permata, Sumanto Sumanto, Jefina Tri Kumalasari, Ghofar Taufiq

Abstract


Indonesia is one of the countries with the greatest biodiversity in the world, including a wealth of medicinal plants and herbal medicines. Despite the vast potential of herbal medicinal plants, the general public still often struggles to identify and differentiate between them. This difficulty is primarily due to limited knowledge of morphological characteristics, which can lead to misidentification and the potential consumption of poisonous plants. Advances in Artificial Intelligence (AI), particularly Convolutional Neural Networks (CNN), have opened up new opportunities for identifying medicinal plant leaf images. This study aims to apply CNNs to identify medicinal plant species based on leaf shape. This study utilized the EfficientNetV2B0 architecture, known for its superior parameter efficiency and high accuracy. This model demonstrated a validation and testing accuracy of 98%. The result of this research is a mobile application that can assist the general public in identifying medicinal plants in their environment. With this application, it is hoped that the public will more easily learn the types of herbal medicinal plants, their benefits, and how to process them. This is also expected to minimize the risk of misidentification, which can negatively impact health.

Indonesia merupakan salah satu negara dengan keanekaragaman hayati terbesar di dunia, termasuk kekayaan tanaman obat dan jamu. Meskipun potensi tanaman obat herbal sangat besar, masyarakat umum masih sering mengalami kesulitan dalam mengenali dan membedakan jenis-jenis tanaman obat herbal. Kesulitan ini terutama disebabkan oleh keterbatasan pengetahuan masyarakat dalam mengenali ciri-ciri morfologi, yang dapat menyebabkan risiko kesalahan identifikasi dan potensi mengkonsumsi tanaman yang beracun. Perkembangan teknologi kecerdasan buatan (AI), khususnya Convolutional Neural Network (CNN), telah membuka peluang baru dalam melakukan identifikasi citra daun tanaman obat. Penelitian ini bertujuan menerapkan algoritma CNN untuk melakukan identifikasi jenis tanaman obat berdasarkan bentuk daun. Penelitian ini menggunakan arsitektur EfficientNetV2B0, yang dikenal unggul dalam efisiensi parameter dan memiliki akurasi tinggi. Model ini menunjukkan akurasi validasi dan pengujian sebesar 98%. Hasil dari penelitian ini adalah sebuah aplikasi mobile yang mampu membantu masyarakat awam dalam mengidentifikasi tanaman obat yang ada di sekitar lingkungannya. Dengan adanya aplikasi ini, diharapkan masyarakat dapat lebih mudah mengetahui jenis-jenis tanaman obat herbal beserta manfaat dan cara pengolahannya. Hal ini juga diharapkan dapat meminimalkan risiko kesalahan identifikasi yang dapat berdampak negatif terhadap kesehatan.


Full Text:

PDF

References


Albakia, S. A. E., & Saputra, R. A. (2023). Identifikasi Jenis Daun Tanaman Obat Menggunakan Metode Convolutional Neural Network (CNN) Dengan Model VGG16. Jurnal Informatika Polinema, 9(4), 451–460. https://doi.org/10.33795/jip.v9i4.1420

Dey, B., Ferdous, J., Ahmed, R., & Hossain, J. (2024). Assessing deep Convolutional Neural Network models and their comparative performance for automated medicinal plant identification from leaf images. Heliyon, 10(1), e23655. https://doi.org/10.1016/j.heliyon.2023.e23655

Gautam, V., Kaur, G., Ghantasala, G. S. P., Vidyullatha, P., Allabun, S., Othman, M., & Zheleznyak, A. (2025). A lightweight deep learning method for medicinal leaf image classification using feature fusion. Scientific Reports, 15, 34417. https://doi.org/10.1038/s41598-025-17436-w

Lee, C. P., Lim, K. M., Song, Y. X., & Alqahtani, A. (2023). Plant-CNN-ViT: Plant Classification with Ensemble of Convolutional Neural Networks and Vision Transformer. Plants, 12(14), 2642. https://doi.org/10.3390/plants12142642

Mulugeta, A. K., Sharma, D. P., & Mesfin, A. H. (2023). Deep learning for medicinal plant species classification and recognition: a systematic review. Frontiers in Plant Science, 14, 1286088. https://doi.org/10.3389/fpls.2023.1286088

Pujiati, R., & Rochmawati, N. (2022). Identifikasi Citra Daun Tanaman Herbal Menggunakan Metode Convolutional Neural Network (CNN). JINACS : Journal of Informatics and Computer Science, 3(3), 351–357. https://doi.org/10.26740/jinacs.v3n03.p351-357

Setiyono, B., Arif, M. R., Aini, Q. Q., Soegianto, T. H., Ohanna, J., Gunawan, R. A. F., & Rizkia, A. P. (2023). Identifikasi Tanaman Obat Indonesia Melalui Citra Daun Menggunakan Metode Convolutional Neural Network (CNN). JTIK : Jurnal Teknologi Informasi Dan Ilmu Komputer, 10(2), 385–392. https://doi.org/10.25126/jtiik.20236809

Zulfiani, H. K., Sucipto, S., & Abdullah, A. (2025). Identifikasi Daun Herbal Untuk Tanaman Obat Menggunakan Metode Convolutional Neural Network (CNN). JATI : Jurnal Mahasiswa Teknik Informatika, 9(6), 10429–10435. https://doi.org/10.36040/jati.v9i6.16481




DOI: https://doi.org/10.56486/jeis.vol6no2.1160

Article Metrics

Abstract view : 0 times
PDF - 1 times

Refbacks

  • There are currently no refbacks.


Copyright (c) 2026 Trisna Andhika Saputra

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

TERINDEKS OLEH :