Pemanfaatan Kecerdasan Buatan Untuk Indentifikasi Jenis Tanaman Menggunakan Citra Daun

Heru Gunawan, Luthfi Adam Alghifari, Aden Asywak Saputra, Gempar Galang Al Fallah Panggabean, Fachri Amsury, Riza Fahlapi

Abstract


Penelitian ini merancang dan mengimplementasikan PlantSense AI, sebuah sistem identifikasi tanaman yang memanfaatkan integrasi teknologi Computer Vision (CV) untuk akuisisi citra dan Multimodal Large Language Model (LLM) Google Gemini untuk analisis botani. Tujuannya adalah menyediakan layanan identifikasi yang tidak hanya akurat secara visual tetapi juga kaya informasi, guna mengatasi keterbatasan metode konvensional yang kaku. Sistem dikembangkan menggunakan metode Prototyping dengan bahasa pemrograman Python, antarmuka CustomTkinter, dan pustaka OpenCV yang terintegrasi dengan API Gemini. Berbeda dengan pendekatan klasifikasi standar, sistem ini menyuntikkan data citra ke dalam model generatif untuk menghasilkan analisis ilmiah yang komprehensif secara real-time. Hasil pengujian Black Box memverifikasi tingkat keberhasilan fungsionalitas teknis sebesar 100%. Evaluasi Pengguna (N=8) menunjukkan tingkat kepuasan rata-rata 4,68 (Sangat Setuju), memvalidasi bahwa pendekatan hibrida ini efektif dalam meningkatkan pemahaman pengguna terhadap objek tanaman. Penelitian ini berimplikasi pada pengembangan alat edukasi botani digital yang interaktif, meskipun penerapannya saat ini masih memiliki batasan pada ketergantungan koneksi internet dan sensitivitas terhadap kondisi pencahayaan rendah.


Kata kunci: ▪ Kecerdasan Buatan ▪ Klasifikasi Citra ▪ Computer Vision ▪ Gemini ▪ Tanaman

References


Alfahri, B. A., Azhar, A., Samosir, L., & Gibran, K. (2025). Penerapan metode prototyping pada pengembangan aplikasi “We Listen We Don’t Judge” untuk analisis tautan dan pemberian saran otomatis berbasis web. Neptunus: Jurnal Ilmu Komputer dan Teknologi Informasi, 3(3), 55–62. https://doi.org/10.61132/neptunus.v3i3.899

Ekasari, M. H., Lusita, M. D., & Diana, D. (2024). Penerapan metode prototype dalam merancang sistem informasi portal warga berbasis web. Seminar Nasional Teknologi Informasi dan Komunikasi (SeNTIK STI&K), 215–224.

Hajar, S., Murinto, M., & Yudhana, A. (2025). Identifikasi jenis daun untuk ecoprint mengunakan metode Convolutional Neural Network. Jurnal Sains dan Informatika, 11(1), 60–69. https://doi.org/10.34128/jsi.v11i1.1774

Karyadi, B. (2023). Pemanfaatan kecerdasan buatan dalam mendukung pembelajaran mandiri. Educate: Jurnal Teknologi Pendidikan, 8(2), 253–258. https://doi.org/10.32832/educate.v8i02.14843

Kurozy, D. N., Pratama, R. G., & Muhammad, A. E. (2025). Penerapan metode prototype pada perancangan sistem pendaftaran mahasiswa baru. JPNM (Jurnal Pustaka Nusantara Multidisplin), 3(1), 1–9.

Kustanto, P., Ramadhan, B. K., & Noe’man, A. (2024). Penerapan metode prototype dalam perancangan media pembelajaran interaktif. Journal of Students Research in Computer Science, 5(1), 83–94. https://doi.org/10.31599/6x0dfz47

Lesmana, A. M., Fadhillah, R. P., & Rozikin, C. (2022). Identifikasi penyakit pada citra daun kentang menggunakan Convolutional Neural Network (CNN). Jurnal Sains dan Informatika, 8(1), 21–30. https://doi.org/10.34128/jsi.v8i1.377

Maulana, M. F. A., Anggadimas, N. M., & Sani, D. A. (2025). Klasifikasi citra penyakit daun padi dengan metode CNN menggunakan arsitektur ResNet50V2. CESS (Journal of Computer Engineering, System and Science), 10(2), 517–529.

Mustofa, C., Kurniawan, A. B., Afrinaldi, W., & Rosyani, P. (2024). Implementasi computer vision untuk klasifikasi gambar kucing dan anjing menggunakan OpenCV-Python. Jurnal AI dan SPK: Jurnal Artificial Inteligent dan Sistem Penunjang Keputusan, 1(4), 311–317.

Nazarius, A., Saputra, F., Sari, N. N. K., & Pranatawijaya, V. H. (2024). Penerapan Gemini AI dalam pembuatan deskripsi produk e-commerce. JATI (Jurnal Mahasiswa Teknik Informatika), 8(3), 3721–3725.

Nurdiansyah, F. N. (2025). Implementasi computer vision menggunakan drone untuk deteksi dan pemetaan sampah secara real-time [Skripsi, Universitas Pendidikan Indonesia]. Repository UPI.

Pujiati, R., & Rochmawati, N. (2022). Identifikasi citra daun tanaman herbal menggunakan metode Convolutional Neural Network (CNN). JINACS (Journal of Informatics and Computer Science), 3(3), 351–357.

Rahmawati, E. N., Pinandita, T., Fitriani, M. A., & Pambudi, E. A. (2025). Deteksi penyakit daun tomat real-time pada platform Android berbasis Convolutional Neural Network. Jurnal Pendidikan dan Teknologi Indonesia (JPTI), 5(8), 2402–2415. https://doi.org/10.52436/1.jpti.964

Rizky, N., Fajriani, N. S., Ashar, M. F., Susanto, E., & Rosa, M. R. (2023). Integrasi hardware dan pengembangan GUI berbasis Python untuk sistem coupled tank. JETT (Jurnal Elektro Telekomunikasi Terapan), 10(2), 83–90. https://doi.org/10.25124/jett.10i2.6414

Sastra, R., Musyafa, N., & Wijonarko, B. (2025). Optimalisasi sistem presensi berbasis face recognition dengan Python dan OpenCV. INSANtek - Jurnal Inovasi dan Sains Teknik Elektro, 6(1), 36–42.




DOI: https://doi.org/10.23960/jptiv.v7i2.33675

Refbacks

  • There are currently no refbacks.


Copyright (c) 2026 Heru Gunawan, Luthfi Adam Alghifari

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Jurnal Pendidikan Teknologi Informasi dan Vokasional

Diterbitkan oleh:

PROGRAM STUDI PENDIDIKAN TEKNOLOGI INFORMASI
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS LAMPUNG

 

Jl. Prof. Dr. Sumantri Brojonegoro No.1Kota Bandar Lampung
Homepage: http://pti.fkip.unila.ac.id
email: pti@fkip.unila.ac.id