Magelang, 11 Agustus 2025 – Dunia budidaya anggrek kini mendapat angin segar dari perkembangan teknologi kecerdasan buatan. Sebuah penelitian yang dilakukan oleh Ahmad Nurul Furqon dari Universitas Muhammadiyah Magelang berhasil mengembangkan sistem berbasis Convolutional Neural Network (CNN) untuk membantu mengidentifikasi jenis anggrek hanya dari gambar daun.
Masalah utama yang dihadapi para pembudidaya pemula adalah sulitnya mengenali jenis anggrek secara tepat sejak dini. Padahal, identifikasi yang benar sangat penting untuk menentukan teknik perawatan yang sesuai agar tanaman dapat tumbuh dan berbunga optimal. Kurangnya pengetahuan, literatur, dan pengalaman sering kali membuat proses budidaya tidak maksimal.
Melihat masalah tersebut, Furqon menerapkan metode CNN, sebuah teknik deep learning yang unggul dalam pengenalan citra. Penelitian ini memfokuskan penggunaan arsitektur CNN tipe VGG-16—model yang pernah memenangkan kompetisi internasional ImageNet—untuk mengklasifikasikan tiga jenis anggrek populer: Cattleya, Dendrobium, dan Vanda.
Penelitian dilakukan dengan mengumpulkan 450 citra daun anggrek, yang terbagi menjadi 300 gambar untuk pelatihan dan validasi, serta 150 gambar untuk pengujian. Proses image preprocessing menjadi langkah krusial, meliputi penghapusan latar belakang (background removal), pengubahan ukuran menjadi 224×224 piksel, dan data augmentation melalui teknik flip, rotate, serta zoom. Langkah ini terbukti meningkatkan variasi data dan meminimalisir risiko overfitting.
Untuk menguji keandalan sistem, Furqon membandingkan empat skenario klasifikasi:
- VGG-16 dengan latar belakang dihapus
- VGG-16 dengan latar belakang asli
- ResNet-50 dengan latar belakang dihapus
- ResNet-50 dengan latar belakang asli
Hasilnya sangat jelas: model VGG-16 dengan latar belakang dihapus memberikan performa terbaik, mencapai akurasi 97,33%, presisi 97,42%, recall 97,33%, dan F1-score 97,33%. Sementara itu, penggunaan latar belakang asli sedikit menurunkan akurasi menjadi 94,67%. Model pembanding ResNet-50 tertinggal jauh, hanya mencatat akurasi tertinggi 60,67%.
Selain membuktikan keunggulan VGG-16, penelitian ini juga menegaskan bahwa penghapusan latar belakang citra mampu meningkatkan akurasi klasifikasi secara signifikan. Temuan ini penting, karena dalam banyak kasus latar belakang dapat menjadi gangguan visual yang mengurangi kemampuan model mengenali ciri utama objek.
Tidak berhenti di tahap penelitian, Furqon juga merancang antarmuka pengguna grafis (GUI) menggunakan PyQt5, sehingga sistem dapat digunakan secara praktis oleh siapa saja. Melalui aplikasi ini, pengguna cukup mengunggah foto daun anggrek, lalu sistem akan menampilkan hasil klasifikasi secara otomatis.
Penelitian ini membuka peluang besar bagi dunia pertanian dan hortikultura. Dengan teknologi ini, pembudidaya anggrek—baik pemula maupun berpengalaman—dapat dengan mudah mengetahui jenis tanaman mereka dan mendapatkan panduan perawatan yang tepat. Dalam jangka panjang, sistem semacam ini berpotensi diintegrasikan ke aplikasi ponsel cerdas, sehingga membantu petani di lapangan tanpa memerlukan perangkat khusus.
“Harapannya, teknologi ini bisa menjadi alat bantu praktis untuk meningkatkan produktivitas dan kualitas budidaya anggrek di Indonesia,” ujar Furqon dalam kesimpulannya.
Dengan tingkat akurasi yang mendekati sempurna, penelitian ini menjadi bukti nyata bahwa kolaborasi antara kecerdasan buatan dan pertanian dapat memberikan manfaat signifikan. Ke depan, pendekatan serupa berpotensi diperluas untuk klasifikasi tanaman hias lainnya, bahkan untuk deteksi penyakit pada tanaman, sehingga mendukung pertanian presisi di era digital. (ed. Sulistya NG)
Sumber: repositori UNIMMA
