Analisis Akurasi dan Optimalisasi Dataset untuk Klasifikasi Tanaman Aristolochia acuminata dengan Algoritma CNN

https://doi.org/10.35912/jatra.v3i1.5014
Published: Jul 2, 2025

Abstract:

Purpose: Purpose: Aristolochia acuminata is a rare plant species of significant conservation value. However, the accurate classification of its parts, such as leaves, stems, and twigs, remains a challenge. This study aimed to develop a reliable classification model to support conservation efforts using Convolutional Neural Network (CNN) technology.

Methodology/approach: A digital dataset was systematically collected from various parts of Aristolochia acuminata, forming the foundation for training a CNN-based classification model. To evaluate the model performance and determine the optimal training parameters, three experimental scenarios were conducted using 10, 100, and 200 training epochs. The impact of each training duration on the classification accuracy was analyzed.

Results: The model trained with 200 epochs achieved the highest accuracy, outperforming those trained with 10 epochs (68.89%) and 100 epochs (86.67%). This suggests that a longer training period enables the model to learn the visual features of each plant part better, leading to improved classification performance.

Conclusion: The results confirm the effectiveness of CNN in classifying the components of Aristolochia acuminata. Using 200 training epochs allowed for deeper feature learning without overfitting, proving optimal in this context.

Limitations: This study was limited by the dataset size and the number of classes involved. Further expansion of the dataset and class categories could improve the generalizability of the model.

Contribution: This study contributes to plant conservation technology by demonstrating how CNN and structured dataset collection can be applied to classify rare plant species, providing a valuable tool for biodiversity preservation.

Keywords:
1. Aristolochia acuminata
2. Convolutional Neural Network (CNN)
3. Classification
4. Conservation technology
5. Machine Learning
Authors:
1 . Sony Ferbangkara
2 . Yessi Mulyani
3 . Mardiana Mardiana
4 . Rama Wahyu Ajie Pratama
5 . Renatha Amelia Manggala Putri
6 . Muhammad Afif Rafi'syaiim
View PDF
How to Cite
Ferbangkara, S., Mulyani, Y., Mardiana, M., Pratama, R. W. A., Putri, R. A. M., & Rafi’syaiim, M. A. (2025). Analisis Akurasi dan Optimalisasi Dataset untuk Klasifikasi Tanaman Aristolochia acuminata dengan Algoritma CNN. Jurnal Teknologi Riset Terapan, 3(1), 13–20. https://doi.org/10.35912/jatra.v3i1.5014
Download Citation
  1. Endnote/Zotero/Mendeley (RIS)
  2. BibTeX

Downloads

Download data is not yet available.
Issue & Section
Vol. 3 No. 1 (2025): Januari
Articles
References

    Agustina, E. (2023). Peran Pemerintah Daerah dalam Perizinan Pertambangan Timah dalam Pelaksanaan Reformasi Birokrasi. Kajian Ilmiah Hukum dan Kenegaraan, 2(1), 1-7. doi:10.35912/kihan.v2i1.2254

    Arnandito, S., & Sasongko, T. B. (2024). Comparison of EfficientNetB7 and MobileNetV2 in Herbal Plant Species Classification Using Convolutional Neural Networks. Journal of Applied Informatics and Computing, 8(1), 176-185. doi: 10.30871/jaic.v8i1.7927.

    Awaludin, Y. M., & Budiman, F. (2023). Optimasi Analisis Kesuburan Tanah Dengan Pendekatan Soft Voting Ensemble. Jurnal SIMETRIS, 14(2), 261-275. doi: 10.24176/simet.v14i2.11285.

    Battu, G. R., Parimi, R., & Chandra Shekar, K. B. (2011). In vivo and in vitro pharmacological activity of Aristolochia tagala (syn: Aristolochia acuminata) root extracts. Pharmaceutical biology, 49(11), 1210-1214.

    Faeni, D. P., Puspitaningtyas, R., & Safitra, R. (2021). Work Life Balance, Peningkatan Karir dan Tekanan Kerja terhadap Produktivitas: Kasus pada Lembaga Sertifikasi Profesi P3 Pembangun Penyuluh Integritas Bangsa. Studi Akuntansi, Keuangan, dan Manajemen, 1(1), 45-57. doi:10.35912/sakman.v1i1.602

    Fajri, F. N., Malik, K., & Pratamasunu, G. Q. O. (2022). Metode Pengumpulan Data Pada Deteksi Pakaian Hijab Syar'I Berdasarkan Citra Digital Menggunakan Teachable machine Learning. Justek: Jurnal Sains dan Teknologi, 5(2), 194-203.

    Holiyanti, R., Wati, S., Fahmi, I., & Rozikin, C. (2022). Pendeteksi Sampah Metal untuk Daur Ulang Menggunakan Metode Convolutional Neural Network. Jurnal Teknik Informatika dan Sistem Informasi, 8(1), 261–274-261–274.

    Iskandar, A., & Aqbar, K. (2019). Green economy Indonesia dalam perspektif Maqashid Syari’ah. Al-Mashrafiyah: Jurnal Ekonomi, Keuangan, dan Perbankan Syariah, 3(2), 83-94.

    Khaneghahi, S., Sefatgol, S., & Siyasar, M. (2022). Investigating the Relationship between School Culture and Academic Enthusiasm with Academic Hope and Motivation in High School Students. Journal of Social, Humanity, and Education, 3(1), 29-41. doi:10.35912/jshe.v3i1.940

    Ledo, S., & Seran, W. (2019). Keanekaragaman tumbuhan obat Taman Wisata Alam Baumata Kabupaten Kupang serta pemanfaatannya oleh masyarakat lokal. Agrikan: Jurnal Agribisnis Perikanan, 12(2), 299-310.

    Malik, A. A., Anggreany, R., Sari, M. W., & Walid, A. (2020). Keanekaragaman hayati flora dan fauna di kawasan taman nasional bukit barisan selatan (TNBBS) resort merpas bintuhan kabupaten kaur. Diksains: Jurnal Ilmiah Pendidikan Sains, 1(1), 35-42.

    Maulana, R., Putri, R. D. Z., Amelia, T. A., Syahputra, H., & Ramadhani, F. (2024). IDENTIFIKASI JENIS REMPAH-REMPAH INDONESIA DENGAN CONVOLUTIONAL NEURAL NETWORK (CNN) MENGGUNAKAN ARSITEKTUR VGG16. JATI (Jurnal Mahasiswa Teknik Informatika), 8(4), 6034-6039.

    Parameshwara, P., & Riza, K. (2023). Tindak Pidana Korupsi dalam Konteks Pertanggungjawaban Pidana Korporasi. Jurnal Studi Multidisiplin Ilmu, 1(1), 25-34. doi:10.35912/jasmi.v1i1.1973

    Permana, R., Saldu, H., & Maulana, D. I. (2022). Optimasi Image Classification Pada Jenis Sampah Dengan Data Augmentation Dan Convolutional Neural Network. Jurnal Sistem Informasi dan Informatika (Simika), 5(2), 111-120.

    Perwati, I. G., Suarna, N., & Suprapti, T. (2024). Analisis Klasifikasi Gambar Bunga Lily Menggunakan Metode Convolutional Neural Network (Cnn) Dalam Pengolahan Citra. JATI (Jurnal Mahasiswa Teknik Informatika), 8(3), 2908-2915.

    Pricillia, T. (2021). Perbandingan metode pengembangan perangkat lunak (waterfall, prototype, RAD). Jurnal Bangkit Indonesia, 10(1), 6-12.

    Prinhandaka, D. J. P., Rohman, I. Z., & Wijaya, N. H. S. (2023). Supportive leadership and employee creativity: Will Leader-Member Exchange mediate the relationship? Annals of Management and Organization Research, 4(1), 35-45. doi:10.35912/amor.v4i1.1477

    Putra, M. Y., & Putri, D. I. (2022). Pemanfaatan Algoritma Naïve Bayes dan K-Nearest Neighbor Untuk Klasifikasi Jurusan Siswa Kelas XI. J. Tekno Kompak, 16(2), 176-187.

    Rauf, A., & Andriyani, D. (2023). Analisis Implementasi Good Governance terhadap Pelayanan Publik pada Dinas Kependudukan dan Catatan Sipil Kota Palembang. Jurnal Studi Pemerintahan dan Akuntabilitas, 2(2), 99-108. doi:10.35912/jastaka.v2i2.1850

    Suciati, H., Simamora, A. W., Panusunan, P., & Fauzan, F. (2023). Analisa Campuran CPHMA terhadap Penambahan Variasi Aspal Penetrasi 60/70 pada Karakteristik Marshall. Jurnal Teknologi Riset Terapan, 1(2), 75-86. doi:10.35912/jatra.v1i2.2294

    Van Do, T., Wanke, S., Neinhuis, C., & Pooma, R. (2015). Aristolochia phuphathanaphongiana sp. nov. from southwestern Thailand. Nordic Journal of Botany, 33(5), 567-571.

  1. Agustina, E. (2023). Peran Pemerintah Daerah dalam Perizinan Pertambangan Timah dalam Pelaksanaan Reformasi Birokrasi. Kajian Ilmiah Hukum dan Kenegaraan, 2(1), 1-7. doi:10.35912/kihan.v2i1.2254
  2. Arnandito, S., & Sasongko, T. B. (2024). Comparison of EfficientNetB7 and MobileNetV2 in Herbal Plant Species Classification Using Convolutional Neural Networks. Journal of Applied Informatics and Computing, 8(1), 176-185. doi: 10.30871/jaic.v8i1.7927.
  3. Awaludin, Y. M., & Budiman, F. (2023). Optimasi Analisis Kesuburan Tanah Dengan Pendekatan Soft Voting Ensemble. Jurnal SIMETRIS, 14(2), 261-275. doi: 10.24176/simet.v14i2.11285.
  4. Battu, G. R., Parimi, R., & Chandra Shekar, K. B. (2011). In vivo and in vitro pharmacological activity of Aristolochia tagala (syn: Aristolochia acuminata) root extracts. Pharmaceutical biology, 49(11), 1210-1214.
  5. Faeni, D. P., Puspitaningtyas, R., & Safitra, R. (2021). Work Life Balance, Peningkatan Karir dan Tekanan Kerja terhadap Produktivitas: Kasus pada Lembaga Sertifikasi Profesi P3 Pembangun Penyuluh Integritas Bangsa. Studi Akuntansi, Keuangan, dan Manajemen, 1(1), 45-57. doi:10.35912/sakman.v1i1.602
  6. Fajri, F. N., Malik, K., & Pratamasunu, G. Q. O. (2022). Metode Pengumpulan Data Pada Deteksi Pakaian Hijab Syar'I Berdasarkan Citra Digital Menggunakan Teachable machine Learning. Justek: Jurnal Sains dan Teknologi, 5(2), 194-203.
  7. Holiyanti, R., Wati, S., Fahmi, I., & Rozikin, C. (2022). Pendeteksi Sampah Metal untuk Daur Ulang Menggunakan Metode Convolutional Neural Network. Jurnal Teknik Informatika dan Sistem Informasi, 8(1), 261–274-261–274.
  8. Iskandar, A., & Aqbar, K. (2019). Green economy Indonesia dalam perspektif Maqashid Syari’ah. Al-Mashrafiyah: Jurnal Ekonomi, Keuangan, dan Perbankan Syariah, 3(2), 83-94.
  9. Khaneghahi, S., Sefatgol, S., & Siyasar, M. (2022). Investigating the Relationship between School Culture and Academic Enthusiasm with Academic Hope and Motivation in High School Students. Journal of Social, Humanity, and Education, 3(1), 29-41. doi:10.35912/jshe.v3i1.940
  10. Ledo, S., & Seran, W. (2019). Keanekaragaman tumbuhan obat Taman Wisata Alam Baumata Kabupaten Kupang serta pemanfaatannya oleh masyarakat lokal. Agrikan: Jurnal Agribisnis Perikanan, 12(2), 299-310.
  11. Malik, A. A., Anggreany, R., Sari, M. W., & Walid, A. (2020). Keanekaragaman hayati flora dan fauna di kawasan taman nasional bukit barisan selatan (TNBBS) resort merpas bintuhan kabupaten kaur. Diksains: Jurnal Ilmiah Pendidikan Sains, 1(1), 35-42.
  12. Maulana, R., Putri, R. D. Z., Amelia, T. A., Syahputra, H., & Ramadhani, F. (2024). IDENTIFIKASI JENIS REMPAH-REMPAH INDONESIA DENGAN CONVOLUTIONAL NEURAL NETWORK (CNN) MENGGUNAKAN ARSITEKTUR VGG16. JATI (Jurnal Mahasiswa Teknik Informatika), 8(4), 6034-6039.
  13. Parameshwara, P., & Riza, K. (2023). Tindak Pidana Korupsi dalam Konteks Pertanggungjawaban Pidana Korporasi. Jurnal Studi Multidisiplin Ilmu, 1(1), 25-34. doi:10.35912/jasmi.v1i1.1973
  14. Permana, R., Saldu, H., & Maulana, D. I. (2022). Optimasi Image Classification Pada Jenis Sampah Dengan Data Augmentation Dan Convolutional Neural Network. Jurnal Sistem Informasi dan Informatika (Simika), 5(2), 111-120.
  15. Perwati, I. G., Suarna, N., & Suprapti, T. (2024). Analisis Klasifikasi Gambar Bunga Lily Menggunakan Metode Convolutional Neural Network (Cnn) Dalam Pengolahan Citra. JATI (Jurnal Mahasiswa Teknik Informatika), 8(3), 2908-2915.
  16. Pricillia, T. (2021). Perbandingan metode pengembangan perangkat lunak (waterfall, prototype, RAD). Jurnal Bangkit Indonesia, 10(1), 6-12.
  17. Prinhandaka, D. J. P., Rohman, I. Z., & Wijaya, N. H. S. (2023). Supportive leadership and employee creativity: Will Leader-Member Exchange mediate the relationship? Annals of Management and Organization Research, 4(1), 35-45. doi:10.35912/amor.v4i1.1477
  18. Putra, M. Y., & Putri, D. I. (2022). Pemanfaatan Algoritma Naïve Bayes dan K-Nearest Neighbor Untuk Klasifikasi Jurusan Siswa Kelas XI. J. Tekno Kompak, 16(2), 176-187.
  19. Rauf, A., & Andriyani, D. (2023). Analisis Implementasi Good Governance terhadap Pelayanan Publik pada Dinas Kependudukan dan Catatan Sipil Kota Palembang. Jurnal Studi Pemerintahan dan Akuntabilitas, 2(2), 99-108. doi:10.35912/jastaka.v2i2.1850
  20. Suciati, H., Simamora, A. W., Panusunan, P., & Fauzan, F. (2023). Analisa Campuran CPHMA terhadap Penambahan Variasi Aspal Penetrasi 60/70 pada Karakteristik Marshall. Jurnal Teknologi Riset Terapan, 1(2), 75-86. doi:10.35912/jatra.v1i2.2294
  21. Van Do, T., Wanke, S., Neinhuis, C., & Pooma, R. (2015). Aristolochia phuphathanaphongiana sp. nov. from southwestern Thailand. Nordic Journal of Botany, 33(5), 567-571.