Klasifikasi Tanaman Pangan Liar Dengan Metode Deep Learning Berbasis Android = Classification of Wild Edible Plants Using Android-Based Deep Learning Method

Tanaman pangan liar memiliki peran penting untuk meningkatkan ketahanan pangan terutama pada musim paceklik, meningkatkan diversifikasi pangan, serta sebagai sumber nutrisi tambahan yang bermanfaat untuk kesehatan. Diperlukan pengetahuan mendalam untuk dapat mengidentifikasi apakah sebuah tanaman liar aman untuk dikonsumsi atau tidak/beracun. Mengkonsumsi tanaman beracun dapat menyebabkan gejala mual, diare, sakit kepala hingga alergi dan kerusakan organ yang dapat menyebabkan kematian. Tujuan dari penelitian ini yaitu merancang sebuah model klasifikasi sebagai alat bantu mengidentifikasi tanaman pangan liar menggunakan algoritma deep learning YOLOv5. Model yang didapatkan kemudian diimplementasikan kedalam basis android untuk mempermudah penggunaan. Data yang digunakan untuk pelatihan model berjumlah 2080 data citra yang didapatkan setelah melakukan proses augmentasi pada 800 data mentah citra yang berasal dari 8 kelas tanaman liar. Teknik augmentasi yang digunakan yaitu flip, saturation, brightness dan blur. Model dilatih menggunakan hyperparameter berupa epoch 15, Batch 16 dan imgsz 640x640 piksel. Model yang dihasilkan kemudian dievaluasi menggunakan parameter precision, recall, accuracy dan mAP. Evaluasi dilakukan untuk menguji seberapa akurat model dalam melakukan prediksi. Hasil Penelitian menunjukkan model yang dibangun memiliki tingkat presicion sebesar 98,1% dan recall sebesar 100%. Hasil performa model pada Threshold IoU sebesar 0.5 adalah 99,5% untuk mAP50 dan 92,5% untuk mAP50-95. Kemudian, sistem akan diimplementasi kedalam aplikasi Leafy berbasis android untuk dilakukan evaluasi akhir menggunakan 80 data uji citra yang menghasilkan nilai accuracy sebesar 96%.