IMPLEMENTASI AUGMENTED REALITY UNTUK PENGENALAN TANAMAN TOGA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK

Penelitian ini bertujuan untuk mengembangkan aplikasi berbasis Augmented Reality (AR) yang diintegrasikan dengan metode Convolutional Neural Network (CNN) untuk membantu masyarakat dalam mengenali Tanaman Obat Keluarga (TOGA) secara interaktif dan meningkatkan kesadaran akan potensi manfaatnya. Aplikasi yang dikembangkan menggunakan teknologi AR untuk memberikan informasi langsung mengenai tanaman TOGA yang dideteksi melalui kamera telepon genggam, dengan dataset yang mencakup 10 jenis tanaman TOGA, masing-masing berisi 200 gambar per label. Hasil penelitian menunjukkan bahwa sistem berhasil melakukan pengenalan tanaman secara real-time dengan tingkat akurasi sebesar 58,53%, presisi 58,76%, dan recall 99,40%. Model CNN mampu mengenali berbagai variasi visual tanaman dalam kondisi pencahayaan dan sudut pandang yang berbeda. Pelatihan model dilakukan hingga 125.000 langkah dengan performa terbaik dicapai pada langkah ke-72.000. Meskipun aplikasi dapat memberikan pengalaman belajar yang menarik dan efektif, tantangan utama yang dihadapi adalah keragaman bentuk fisik tanaman dalam setiap kategori yang mempengaruhi akurasi sistem. Penelitian ini membuktikan bahwa kombinasi teknologi AR dan CNN dapat digunakan sebagai solusi inovatif untuk edukasi tanaman obat, meskipun masih diperlukan pengembangan lebih lanjut untuk meningkatkan akurasi pengenalan.