Terdapat 350.000 jenis tanaman yang tersebar di seluruh dunia dan setidaknya
325.000 merupakan jenis tanaman yang dapat berbunga. Tanaman merupakan
bagian penting dalam kelangsungan hidup manusia dibumi. Klasifikasi citra sendiri
merupakan hal yang sulit untuk dilakukan oleh komputer, para peneliti telah
berupaya untuk mengembangkan berbagai macam metode untuk mencapai hal ini.
Untuk mempermudah komputer dalam melakukan proses klasifikasi citra, perlu
diterapkan teknik Deep Learning dengan menggunakan metode Convolutional
Neural Network (CNN).

Metode CNN berfokus pada lapisan konvolusi di mana pada lapisan itu akan
dilakukan proses ekstraksi fitur dari sebuah citra agar didapatkan beberapa pola
yang akan lebih mudah untuk diklasifikasikan. Dalam penelitian ini, diterapkan
juga proses transfer learning menggunakan arsitektur MobileNetV2 agar dapat
mengidentifikasi spesies bunga. Kemudian diterapkan dalam sebuah aplikasi
mobile berbasis iOS agar dapat membantu identifikasi spesies bunga melalui
perangkat mobile.

Penulis menggunakan arsitektur MobileNetV2 untuk pengembangan model.
Penelitian menggunakan dataset dengan jumlah gambar 12.753 sebagai training
set, 3.712 gambar sebagai validation set, dan 1.040 gambar sebagai testing set.
Keseluruhan gambar memiliki format warna RGB yang terbagi menjadi 104 label
yang berbeda, dengan ukuran sebesar 224x224 piksel. Penelitian dibagi menjadi 5
kali percobaan dan didapatkan nilai akurasi tertinggi pada percobaan 3 sebesar
91.51% untuk validation set dengan epoch sebanyak 30. Proses pelatihan model
memakan waktu sebanyak 2 jam.