Tumbuhan menjadi bagian penting bagi kehidupan di bumi ini, yang
menyediakan kita oksigen sumber makanan, bahan bakar, obat-obatan dan lainlain.

Beberapa aplikasi mobile seperti PlanNet, Nature Gate, Plantifier adalah
beberapa aplikasi yang sudah ada, dan digunakan untuk mengenali tanaman
beserta identifikasinya untuk membantu kita dalam mengidentifikasi tanaman.
Aplikasi tersebut menerapkan deep learning dan ilmu dari bidang computer vision
untuk dapat mengenali spesies tanaman yang diambil dari kamera.
Beberapa penelitan yang menggunakan deep learning untuk
mengidentifikasi tanaman belakangan ini juga sudah banyak dilakukan, Seperti
penelitian untuk mengidentifikasi tanaman berdasarkan daunnya yang dilihat
dengan mengekstraksi vena, bentuk dan tekstur daun kemudian ada penelitian
yang berfokus menggunakan framework convolutional neural network yaitu
VGG16 untuk mengidentifikasi tanaman, dan penelitian yang menggunakan CNN
dengan mengoptimasi parameter transfer learning. Beberapa penelitan tersebut
tidak lepas lepas dari penggunaan teknik CNN dalam mengekstraksi fitur dari
tanaman.
Penelitian ini berfokus dalam pengembangan model dan pembuatan
aplikasi mobile yang berfungsi untuk mengidentifikasi tanaman menggunakan
framework VGG19. Dataset yang digunakan merupakan 15 jenis tanaman obat
yang diperoleh dari Merapi Farma Herbal Yogyakarta. Pembuatan model
menggunakan model framework VGG19 dalam penelitian ini menghasilkan
akurasi sebesar 99,04% untuk training dan 97,52% untuk validation. Model ini
menggunakan gambar berukuran 500 x 500 pixel untuk input size dan
menggunakan 938 gambar sebagai dataset yang digunakan untuk melatih model
tersebut. Waktu yang dibutuhkan untuk melatih model berkisar 9 - 10 jam untuk
melatih setiap eksperimen. Hasil pengujian menggunakan 58 dataset test
memberikan hasil 55 gambar dengan prediksi yang sesuai, dan 3 gambar dengan
prediksi yang salah.