Deteksi Objek Daun Semanggi Secara Real Time Menggunakan CNN-Single Shot Multibox Detector (SSD)
DOI:
https://doi.org/10.22441/fifo.2022.v14i1.005Keywords:
deteksi objek, daun semanggi, real time, tensorflow, SSDAbstract
Tumbuhan obat saat ini banyak ditemui sebagai tumbuhan yang memiliki fungsi dan berkhasiat untuk penyembuhan ataupun mencegah berbagai penyakit. Salah satunya adalah daun semanggi yang memiliki khasiat sebagai tumbuhan obat, namun masyarakat belum banyak mengenal bentuk daun tersebut. Penelitian ini bertujuan untuk melakukan deteksi objek daun semanggi yang dilakukan secara real – time melalui input gambar berbasis kamera webcam, selanjutnya proses ekstraksi fitur dilakukan dengan deep learning menggunakan framework Tensorflow object detection dan pengolahan citra dengan metode CNN-Single Shot MultiBox Detector (SSD). Metode penelitian yang digunakan terdiri dari beberapa tahapan yaitu akuisisi data, preproses data, proses training dan pembentukan model serta pengujian. Berdasarkan hasil Uji coba yang dilakukan dengan menggunakan perbandingan rasio terhadap data train dan data test diperoleh hasil terbaik yaitu dengan perbandingan data train dan data test 80:20 dengan precission 80 %, recall 100 % dan akurasi 86,6 %. Hal ini menyatakan bahwa model deteksi objek daun semanggi dengan menggunakan SSD dapat berjalan dengan baik.
Downloads
References
I. Amalia, Annisa. 2020. 10 Jenis Tanaman Obat-Obatan Yang Wajib Ada Di Rumah Anda. https://www.Sehatq.Com/Artikel/Jenis-Tanaman-Obat-Obatan-Yang-Wajib-Ada-Di-Rumah-Anda/ (Diakses Tanggal 2 Mei 2020).
A. Arwan. 2018. 15 Manfaat Dan Khasiat Daun Semanggi Untuk Kesehatan. https://www.Atmago.Com/Posts/15-Manfaat-Dan-Khasiat-Daun-Semanggi-Untuk-Kesehatan_9383dc97-C447-4977-9f8a-6e8dc49aea67/ (Diakses Tanggal 9 Mei 2020).
D. Rizky. 2019. Memahami Artificial Neural Network (ANN) Dengan R. https://Medium.Com/@16611129/Memahami-Artificial-Neural-Network-Ann-Dengan-R-5ecee7d1efbd/ (Diakses Tanggal 15 Mei 2020).
L. Y. Bottou, L. Bengio & Haffner. 1998. “Gradient-Based Learning Applied To Document Recognition”. Proceedings Of The IEEE. 86(11), 2278-232.
H. Lars. 2018. A Beginner's Guide To Object Detection. https://www.Datacamp.Com/Community/Tutorials/Object-Detection-Guide (Diakses Tanggal 15 April 2020).
A.G. Howard, M. Zhu, B. Chen, D. Kalenichenko, W. Wang, T. Weyand, M. Andretto, H. Adam. 2017. “Mobilenets: Efficient Convolutional Neural Network For Mobile Vision Applications”.
I.W. Suartika,.A.Y. Wijaya, R. Soelaiman. 2016. “Klasifikasi Citra Menggunakan Convolutiona Neural Network”. Jurnal Teknik Its. 5(1), 2337-3539.
Soeleman. 2017. “Instalasi Python Lebih Mudah Dengan Anaconda”. https://www.Codepolitan.Com/Instal-Python-Dengan-Anaconda-58a79fee367c0/. (Diakses Tanggal 15 April 2020).
Doavers, 2018. Apa Itu Ekstraksi Fitur Pada Citra Digital. https://www.Doavers.Com/Blog/Apa-Itu-Ekstraksi-Fitur-Pada-Citra-Digital/ (Diakses Tanggal 20 Juni 2020).
A. Arfina, E. Utami, E. Pranomo. 2017. “Modifikasi Default-Boxes Pada Model Ssd Untuk Meningkatkan Keakuratan Deteksi”. Jurnal It Cida, 3[2], 2477-8125.
R. D. Syarifah. 2018. “Deep Learning Object Detection Pada Video Menggunakan Tensorflow Dan Convolutional Neural Network”. Skripsi. Fakultas Matematika Dan Ilmu Pengetahuan Alam. Statistika. Universitas Islam Indonesia. Yogyakarta.
A. Lazaro. 2017. “Deteksi Jenis Kendaraan di Jalan Menggunakan OpenCV”. Diss. Institut Teknologi Sepuluh Nopember.
Tensorflow. 2017. “Tensorflow Object Detection Api”. Https://Github.Com/Tensorflow/Models /. (Diakses Tanggal 15 April 2020).
W. L. D. Anguelov, D. Erhan, C. Szegedy, S. Reed, C.Y. Fu, A. C. Berg. 2015. Ssd:Single Shot Multibox Detector.
U. Ema, S. Raharjo. 2004. “Logika, Algoritma Dan Impelementasinya Dalam Bahasa Python Di Gnu/Linux”. Yogyakarta: Andi Offset.
K.S. Nugroho. 2019. Confusion Matrix Untuk Evaluasi Model Pada Supervised Learning. https://Medium.Com/@Ksnugroho/Confusion-Matrix-Untuk-Evaluasi-Model-Pada-Unsupervised-Machine-Learningbc4b1ae9ae3f.
Downloads
Additional Files
Published
How to Cite
Issue
Section
License
The copyright to this article is transferred to Universitas Mercu Buana (UMB) if and when the article is accepted for publication. The undersigned hereby transfers any and all rights in and to the paper including without limitation all copyrights to UMB. The undersigned hereby represents and warrants that the paper is original and that he/she is the author of the paper, except for material that is clearly identified as to its original source, with permission notices from the copyright owners where required. The undersigned represents that he/she has the power and authority to make and execute this assignment.
We declare that this paper has not been published in the same form elsewhere.
Furthermore, I/We hereby transfer the unlimited rights of publication of the above-mentioned paper as a whole to UMB. The copyright transfer covers the right to reproduce and distribute the article, including reprints, translations, photographic reproductions, microform, electronic form (offline, online) or any other reproductions of similar nature.
The corresponding author signs for and accepts responsibility for releasing this material on behalf of any and all co-authors. This agreement is to be signed by at least one of the authors who have obtained the assent of the co-author(s) where applicable. After submission of this agreement signed by the corresponding author, changes of authorship or in the order of the authors listed will not be accepted.
Retained Rights/Terms and Conditions
Although authors are permitted to re-use all or portions of the Work in other works, this does not include granting third-party requests for reprinting, republishing, or other types of re-use.
Our Articles are licensed under CC BY-NC
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
