PENERAPAN DEEP LEARNING DENGAN ARSITEKTUR RESNET UNTUK KLASIFIKASI DAUN TANAMAN OBAT TRADISIONAL SEBAGAI TEKNOLOGI TEPAT GUNA DI DESA PAKULI KABUPATEN SIGI

ABSTRAK
HAIRUL, Penerapan Deep Learning dengan Arsitektur ResNet untuk Klasifikasi
Daun Tanaman Obat Tradisional Sebagai Teknologi Tepat Guna di Desa Pakuli
Kabupaten Sigi, dibimbing oleh Dr.Ir. AMRIANA, ST., MT.
Pengetahuan etnobotani terkait pemanfaatan Tanaman Obat Keluarga (TOGA) di
Desa Pakuli yang masih ditransmisikan secara lisan berpotensi hilang dan rentan
mengalami kesalahan identifikasi manual akibat tingginya kemiripan morfologi
daun antarspesies. Pengembangan model deep learning berbasis arsitektur
ResNet-50 dengan pendekatan transfer learning dilakukan menggunakan dataset
primer lokal hasil dokumentasi di Desa Pakuli. Dataset akhir berjumlah 8.000
citra yang terbagi ke dalam 40 kelas taksonomi herba dan dipartisi menjadi data
training (80%), validation (10%), dan testing (10%). Tahapan meliputi
preprocessing (resize 224x224 piksel, normalisasi, dan augmentasi stokastik),
pelatihan model dengan mekanisme early stopping, serta evaluasi menggunakan
accuracy,precision, recall, F1-score, dan confusion matrix. Hasil pengujian pada
data testing menunjukkan akurasi global sebesar 99,63%, dengan rata-rata macro
precision 99,65%, macro recall 99,63%, dan macro F1-score 99,62%, yang
membuktikan model tidak mengalami overfitting dan memiliki kemampuan
generalisasi yang sangat tangguh. Model selanjutnya diintegrasikan ke dalam
infrastruktur awan FastAPI dan aplikasi mobile Android melalui arsitektur thinclient yang menghasilkan waktu respons 1,2 hingga 1,8 detik. Implementasi ini
menunjukkan efektivitas ResNet-60 berbasis citra lokal sebagai Teknologi Tepat
Guna (TTG) untuk diagnosis tanaman secara presisi, sekaligus
mendokumentasikan kearifan lokal Desa Pakuli menjadi arsip digital yang
permanen.
Kata kunci: Tanaman Obat Keluarga, Deep Learning, ResNet-50, Transfer
Learning, Teknologi Tepat Guna.