Herbify: Aplikasi Perangkat Bergerak Berbasis Komputasi Awan Untuk Mengidentifikasi Tanaman Herbal Indonesia Menggunakan Cnn Model Xception

Arif Tirtana; Maria Gita Teresa Febriani; Dyas Irvan Masrui; Amelia Arta Aisyah

doi:10.21107/edutic.v8i1.11650

Herbify: Aplikasi Perangkat Bergerak Berbasis Komputasi Awan Untuk Mengidentifikasi Tanaman Herbal Indonesia Menggunakan Cnn Model Xception

Arif Tirtana, Maria Gita Teresa Febriani, Dyas Irvan Masrui, Amelia Arta Aisyah

Abstract

Jumlah tanaman herbal yang terdapat di Indonesia 30.000 jenis, namun hanya 1.200 jenis dari seluruh jenis tumbuhan obat yang sudah dimanfaatkan sebagai bahan baku obat herbal. Padahal tanaman herbal menyumbang pendapatan negara sebesar 150 miliar dollar pada tahuun 2020. Salah satu penyebabnya adalah kurangnya pengetahuan masyarakat Indonesia terhadap tanaman herbal Indonesia. Untuk meningkatkan wawasan tersebut dibutuhkan aplikasi yang dapat digunakan untuk mengidentifikasi tanaman herbal. Untuk itu dalam penelitian ini mengusulkan Herbify sebagai aplikasi perangkat bergerak berbasis komputasi awan dengan menggunakan metode CNN model Xception. Hasil dari penelitian ini menunjukkan bahwa Herbify mampu untuk mengidentifikasi tanaman herbal Indonesia dengan tingkat akurasi yang memuaskan yakni sebesar 96,3%.

Full Text:

PDF

References

Chollet, F. (2017) ‘Xception: Deep Learning with Depthwise Separable Convolutions’, in 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). IEEE, pp. 1800–1807. doi: 10.1109/CVPR.2017.195.

Express, F. (2004) Global Medicinal Plants Demand May Touch $5 Trillion By 2050. Available at: https://www.financialexpress.com/archive/global-medicinal-plants-demand-may-touch-5-trillion-by-2050/102863/ (Accessed: 27 July 2021).

Fact.MR (2020) Medicinal Herbs Market Size, Forecast & Trend Analysis 2030, April 2020. Available at: https://www.factmr.com/report/4070/medicinal-herbs-market (Accessed: 27 July 2021).

Fernanda, F. et al. (2019) ‘Pengembangan Aplikasi Mobile Pemesanan Jasa Laundry Berbasis Android’, 3(7), pp. 6949–6955.

Gunawan, H. and Saputro, A. K. H. (2018) ‘Pemanfataan Aplikasi Mobile Untuk Mempercepat Pencarian Tempat Indekos Berbasis Android’, Jurnal Muara Sains, Teknologi, Kedokteran dan Ilmu Kesehatan, 1(2), pp. 85–96. doi: 10.24912/jmstkik.v1i2.1454.

Ihsan, C. N. (2021) ‘Klasifikasi Data Radar Menggunakan Algoritma Convolutional Neural Network (CNN)’, DoubleClick: Journal of Computer and Information Technology, 4(2), pp. 115–121.

Pangestu, M. A. and Bunyamin, H. (2018) ‘Analisis Performa dan Pengembangan Sistem Deteksi Ras Anjing pada Gambar dengan Menggunakan Pre-Trained CNN Model’, Jurnal Teknik Informatika dan Sistem Informasi, 4, pp. 337–344.

Prasetyo, E. et al. (2021) ‘Perbandingan Convolution Neural Network Untuk Klasifikasi a Comparison of Convolution Neural Network for Classifying Milkfish ’ S Freshness on Eye Images’, 8(3), pp. 601–608. doi: 10.25126/jtiik.202184369.

PT Industri Jamu Dan Farmasi Sido Muncul Tbk. (2020) Laporan Tahunan 2020.

Rahimzadeh, M. and Attar, A. (2020) ‘A modified deep convolutional neural network for detecting COVID-19 and pneumonia from chest X-ray images based on the concatenation of Xception and ResNet50V2’, Informatics in Medicine Unlocked. Elsevier Ltd, 19, p. 100360. doi: 10.1016/j.imu.2020.100360.

Rangarajan, A. K. and Ramachandran, H. K. (2021) ‘A preliminary analysis of AI based smartphone application for diagnosis of COVID-19 using chest X-ray images’, Expert Systems with Applications. Elsevier Ltd, 183(June), p. 115401. doi: 10.1016/j.eswa.2021.115401.

Rumetna, M. S. (2018) ‘PEMANFAATAN CLOUD COMPUTING PADA DUNIA BISNIS: STUDI LITERATUR’, Jurnal Teknologi Informasi dan Ilmu Komputer, 5(3), p. 305. doi: 10.25126/jtiik.201853595.

Salim, Z. and Munadi, E. (2017) Info Komoditi Tanaman Obat, Badan Pengkajian dan Pengembangan Perdagangan Republik Indonesia.

Sandhopi, Lukman Zaman P.C.S.W and Yosi Kristian (2020) ‘Identifikasi Motif Jepara pada Ukiran dengan Memanfaatkan Convolutional Neural Network’, Jurnal Nasional Teknik Elektro dan Teknologi Informasi, 9(4), pp. 403–413. doi: 10.22146/jnteti.v9i4.541.

Singh, M. et al. (2019) ‘Implementation of Database Using Python Flask Framework’, International Journal of Engineering and Computer Science, 8(12), pp. 24890–24893. doi: 10.18535/ijecs/v8i12.4399.

WHO Report. (2019). WHO Global report on traditional and complementary medicine 2019, World Health Organization. Available at: https://apps.who.int/iris/bitstream/handle/10665/312342/9789241515436-eng.pdf?ua=1.

DOI: https://doi.org/10.21107/edutic.v8i1.11650