Klasifikasi Citra Daun Tanaman Herbal Untuk Penyakit Kanker-Diabetes-Hipertensi Menggunakan Model Xception
Article Sidebar
Main Article Content
Abstract
Tanaman herbal telah lama dimanfaatkan sebagai sumber pengobatan tradisional di berbagai budaya, termasuk di Indonesia yang kaya akan keanekaragaman hayati. Kesamaan morfologi antar jenis daun herbal seringkali menyulitkan mengenali secara visual, terutama bagi masyarakat umum yang tidak memiliki latar belakang botani. Pemanfaatan teknologi pengolahan citra dan pembelajaran mendalam untuk klasifikasi tanaman herbal memiliki peran penting dalam mendukung konservasi dan pemanfaatan sumber daya alam. Penelitian ini bertujuan untuk mengembangkan klasifikasi otomatis daun herbal menggunakan pendekatan transfer learning dengan model Xception. Tahapan penelitian meliputi akuisi citra daun tanaman herbal, preprocessing citra, pelatihan model Xception, dan pengujian. Citra daun herbal yang digunakan dalam penelitian ini berjumlah 600 citra daun Cincau, Kemangi, Seledri, Jambu Biji, Pepaya, dan Blimbing Wuluh dari data primer dan sekunder. Model dilatih menggunakan optimizer Adamax dengan ukuran citra 128x128 piksel dan dievaluasi berdasarkan akurasi, precision, recall, dan f1-score. Hasil pengujian diperoleh kinerja mencapai akurasi 98,33%, presisi 99%, recall 98%, dan f1-score 98%. Temuan ini, menunjukkan bahwa model Xception yang mampu mengklasifikasikan 3 kelompok tanaman untuk pengobatan herbal dan masing-masing kelompok terdiri dari 2 jenis tanaman dengan unjukkerja yang sangat tinggi. Model ini dapat diimplementasikan sebagai bagian dari sistem pendukung keputusan dalam bidang farmasi dan konservasi tanaman obat.
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
M. Melviani et al., “Edukasi Dan Praktek Pembuatan Herbal Daun Salam Dan Daun Jambu Biji Untuk Penyakit Diabetes Melitus Di Komplek Palapan Permai Rt.15 (Education and Practice of Making Herbal Salam Leaves and Guava Leaves for Diabetes Mellitus in Palapan Permai Settlement Rt.15),” Indones. Berdaya, vol. 6, no. 2, pp. 519–526, Apr. 2025, doi: 10.47679/ib.20251109.
A. Y. P. Sari, L. Safitri, D. P. Nurhaliza, U. W. Ningrum, S. C. Laia, and V. D. Putri, “EFEKTIVITAS JELLY KEMANGI DALAM MENURUNKAN TEKANAN DARAH PASIEN HIPERTENSI,” vol. 12, no. 4, 2022.
W. Lazdia, W. A. Rahma, A. S. Lubis, and T. Sulastri, “PENGARUH REBUSAN DAUN SELEDRI UNTUK MENURUNKAN TEKANAN DARAH PADA PENDERITA HIPERTENSI,” vol. 1, 2020.
S. Amin, M. F. M. Zidane, and M. Fathurrochman, “Studi Komputasi Potensi Anti-Kanker Payudara dari Senyawa Bioaktif Daun Belimbing Wuluh,” vol. 4, 2024.
Hesti Renggana, Asman Sadino, Risa Susanti, Rahmi, and D. Sujana, “SITOTOKSISITAS EKSTRAK ETANOL DAN FRAKSI-FRAKSI DAUN PEPAYA (Carica papaya L.) TERHADAP SEL KANKER PROSTAT DU 145 DENGAN METODE MTT ASSAY: CYTOTOXICITY OF ETHANOL EXTRACT AND FRACTION PAPAYA LEAF (Carica papaya L.) ON PROSTATE CANCER CELLS DU 145 USING MTT ASSAY METHOD,” Med. Sains J. Ilm. Kefarmasian, vol. 7, no. 2, pp. 119–128, May 2022, doi: 10.37874/ms.v7i2.346.
K. Buheli and R. Ratna, “PEMBERIAN AIR REBUSAN DAUN JAMBU BIJI TERHADAP KADAR GLUKOSA DARAH PENDERITA DIABETES MELITUS,” Jambura Health Sport J., vol. 3, no. 1, pp. 1–10, Feb. 2021, doi: 10.37311/jhsj.v3i1.9873.
M. A. I. Romadon, “UJI EFEKTIVITAS SERBUK EFFERVESCENT DAUN CINCAU HITAM (Mesona palustris BL.) TERHADAP PENURUNAN KADAR GLUKOSA DARAH PADA MENCIT PUTIH SWISS WEBSTER,” Sarjana, UNIVERSITAS BAKTI TUNAS HUSADA TASIKMALAYA, 2024. Accessed: Jun. 20, 2025. [Online]. Available: https://repository.universitas-bth.ac.id/3672/
S. Farm et al., “PENYULUHAN DAUN CINCAU SEBAGAI OBAT DIABETES MELITUS PADA LANSIA DI POSYANDU LANSIA PUKESMAS PB SELAYANG II,” vol. 3, 2022.
N. P. Handono, “PENGARUH PEMBERIAN AIR REBUSAN DAUN SELEDRI TERHADAP PENURUNAN TEKANAN DARAH PADA PENDERITA HIPERTENSI GRADE 2 DI DESA LEBAK PRACIMANTORO,” J. Keperawatan GSH, vol. 13, no. 1, Art. no. 1, Jan. 2024, doi: 10.56840/jkgsh.v13i1.124.
H. Haikal and A. H. Kusumawati, “Penyuluhan dan Penanaman Tanam Toga untuk Mengatasi Masalah Kesehatan Hipertensi di Kelurahan Kalibanteng Kidul Semarang Barat,” J. Abdi Masy. Indones., vol. 4, no. 3, pp. 713–716, May 2024, doi: 10.54082/jamsi.1189.
M. F. M. Zidane, “Virtual Skrining Senyawa Daun Belimbing Wuluh (Averrhoa bilimbi L.) pada Reseptor Kanker Payudara,” Sarjana, UNIVERSITAS BAKTI TUNAS HUSADA, 2024. Accessed: Jun. 20, 2025. [Online]. Available: https://repository.universitas-bth.ac.id/4205/
A. R. Syita, I. Shofiyah, Y. E. Putri, and Moh. R. Afnani, “Pengembangan E-Modul Bioinformatika Berbasis Program Based Learning (PBL) Tentang Prediksi Interaksi Senyawa Aktif Daun Pepaya Sebagai Kandidat Obat Kanker Paru-Paru,” Otus Educ. J. Biol. Dan Pendidik. Biol., vol. 3, no. 1, pp. 1–12, Apr. 2025, doi: 10.62588/otusedu.2025.v3i1.0243.
I. P. Sari, A. R. Hidayati, and H. Muliasari, “Perbandingan Aktivitas Antioksidan Infusa Simplisia Segar dan Simplisia Kering Daun Buni (Antidesma bunius L. Spreng) dengan Metode DPPH: Comparison of Antioxidant Activity of Infused from Fresh Simplicia and Dried Simplicia of Buni Leaves (Antidesma bunius L. Spreng) with DPPH Method,” J. Sains Dan Kesehat., vol. 5, no. 5, Art. no. 5, 2023, doi: 10.30872/jsk.v5i5.439.
N. Kasim, Muh. B. Fadilah, W. A. Hidayat, and R. A. Saputra, “Klasifikasi Jenis Tanaman Herbal Berdasarkan Citra Menggunakan Metode Convolution Neural Network (CNN),” J. Tekno Kompak, vol. 19, no. 1, p. 64, Oct. 2024, doi: 10.33365/jtk.v19i1.4536.
M. H. Ahmad, F. M. Hana, T. G. Pratama, and H. Aulida, “KLASIFIKASI EMPAT JENIS DAUN HERBAL MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK”.
Alfitriana Riska, Purnawansyah, H. Darwis, and W. Astuti, “Studi Perbandingan Kombinasi GMI, HSV, KNN, dan CNN pada Klasifikasi Daun Herbal,” Indones. J. Comput. Sci., vol. 12, no. 3, Jun. 2023, doi: 10.33022/ijcs.v12i3.3210.
S. P. Backar, P. Purnawansyah, H. Darwis, and W. Astuti, “Hybrid Fourier Descriptor Naïve Bayes dan CNN pada Klasifikasi Daun Herbal,” J. Inform. J. Pengemb. IT, vol. 8, no. 2, pp. 126–133, Jun. 2023, doi: 10.30591/jpit.v8i2.5186.
A. Herdiansah, R. I. Borman, D. Nurnaningsih, A. A. J. Sinlae, and R. R. Al Hakim, “Klasifikasi Citra Daun Herbal Dengan Menggunakan Backpropagation Neural Networks Berdasarkan Ekstraksi Ciri Bentuk,” JURIKOM J. Ris. Komput., vol. 9, no. 2, p. 388, Apr. 2022, doi: 10.30865/jurikom.v9i2.4066.
Isman, Andani Ahmad, and Abdul Latief, “Perbandingan Metode KNN Dan LBPH Pada Klasifikasi Daun Herbal,” J. RESTI Rekayasa Sist. Dan Teknol. Inf., vol. 5, no. 3, pp. 557–564, Jun. 2021, doi: 10.29207/resti.v5i3.3006.
P. R. Prayoga, P. Purnawansyah, T. Hasanuddin, and H. Darwis, “Klasifikasi Daun Herbal Menggunakan K-Nearest Neighbor dan Support Vector Machine dengan Fitur Fourier Descriptor,” Edumatic J. Pendidik. Inform., vol. 7, no. 1, pp. 160–168, Jun. 2023, doi: 10.29408/edumatic.v7i1.17521.
F. Liantoni and H. Nugroho, “KLASIFIKASI DAUN HERBAL MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER DAN K- NEAREST NEIGHBOR,” vol. 5, no. 1, 2015.
G. Honestya, M. Sajida, and A. Ramadhanu, “Klasifikasi Jenis Daun Herbal Menggunakan Metode Logistic Regression dan Decision Tree Classifier Berdasarkan Fitur (Warna dan Bentuk),” J. Inf. Syst. Educ. Dev., vol. 2, no. 1, pp. 52–55, Feb. 2024, doi: 10.62386/jised.v2i1.59.
M. Meiriyama, S. Devella, and S. M. Adelfi, “Klasifikasi Daun Herbal Berdasarkan Fitur Bentuk dan Tekstur Menggunakan KNN | JATISI (Jurnal Teknik Informatika dan Sistem Informasi),” Sep. 2022, Accessed: Apr. 18, 2025. [Online]. Available: https://jurnal.mdp.ac.id/index.php/jatisi/article/view/2974
H. Hu, S. Li, J. Huang, B. Liu, and C. Che, “Casting Product Image Data for Quality Inspection with Xception and Data Augmentation,” J. Theory Pract. Eng. Sci., vol. 3, no. 10, pp. 42–46, Oct. 2023, doi: 10.53469/jtpes.2023.03(10).06.
D. P. Pamungkas and M. F. Amrulloh, “ANALISIS HASIL KLASIFIKASI PENYAKIT DAUN BAWANG MERAH MENGGUNAKAN CNN ARSITEKTUR EXCEPTION,” JIPI J. Ilm. Penelit. Dan Pembelajaran Inform., vol. 10, no. 1, pp. 359–366, Jan. 2025, doi: 10.29100/jipi.v10i1.5875.
C. L. Nazalia, P. Palupiningsih, B. Prayitno, and Y. S. Purwanto, “Implementation of Convolutional Neural Network Algorithm to Pest Detection in Caisim,” in 2023 International Conference on Computer Science, Information Technology and Engineering (ICCoSITE), Jakarta, Indonesia: IEEE, Feb. 2023, pp. 609–614. doi: 10.1109/ICCoSITE57641.2023.10127792.
Q. A. Fitroh and Shofwatul ’Uyun, “Deep Transfer Learning untuk Meningkatkan Akurasi Klasifikasi pada Citra Dermoskopi Kanker Kulit,” J. Nas. Tek. Elektro Dan Teknol. Inf., vol. 12, no. 2, Art. no. 2, May 2023, doi: 10.22146/jnteti.v12i2.6502.