Klasifikasi Skala Kerapatan dan Transparansi Tajuk Jenis Daun Jarum dengan VGG16: Classification of Density and Transparency Scales of Needle Leaf Types with VGG16

Abstrak

Artikel ini membahas penggunaan deep learning, khususnya arsitektur Convolutional Neural Network (CNN) VGG16, untuk mengklasifikasikan tingkat kerapatan dan transparansi tajuk pada pohon jenis daun jarum. Penelitian ini mengumpulkan gambar dari empat jenis pohon daun jarum: araucaria heterophylla, pinus merkusii, cupressus retusa, dan shorea javanica, masing-masing dengan sepuluh tingkat kerapatan dan transparansi yang berbeda. Setiap jenis memiliki 1000 gambar yang telah di-label. Proses preprocessing melibatkan perubahan ukuran, dan augmentasi gambar. Data dibagi menjadi data training (70%), data validation (10%), dan data testing (20%). Model deep learning yang digunakan adalah VGG16 dengan hyperparameter yang telah ditentukan. Hasil pelatihan model menunjukkan bahwa VGG16 berhasil mengklasifikasikan pohon daun jarum dengan tingkat akurasi yang baik. Hasil akurasi mencapai 90.00% untuk pinus merkusii, 92.00% untuk araucaria heterophylla, 96.00% untuk cupressus retusa, dan bahkan 99.00% untuk shorea javanica. Hasil evaluasi juga mencakup precision, recall, dan F1-score untuk setiap kelas kerapatan dan transparansi. Kesalahan prediksi terutama terjadi pada kelas dengan tingkat kesamaan visual yang tinggi antar gambar. Penelitian ini membuktikan bahwa teknologi deep learning dapat digunakan untuk mengklasifikasikan tingkat kerapatan dan transparansi tajuk pada pohon daun jarum. Hasilnya dapat digunakan dalam pemantauan kesehatan hutan, membantu pemerintah dan organisasi terkait dalam pengelolaan hutan yang berkelanjutan.