Implementasi Dataset Augmentation pada Citra Etnofimedisin Menggunakan Teknik Rotation dan Channel Shift

Abstrak

Penelitian ini bertujuan untuk meningkatkan jumlah dan variasi dataset citra etnofitomedisin menggunakan teknik augmentasi citra, khususnya rotation range augmentation (RRA) dan channel shift range augmentation (CSA). Augmentasi dataset dilakukan untuk memperkaya data pelatihan dalam pengembangan model pembelajaran mesin yang digunakan untuk mengenali gambar tanaman obat. Teknik RRA memutar citra dengan sudut acak, memberikan variasi orientasi objek, sementara CSA mengubah nilai saluran warna untuk mensimulasikan perubahan pencahayaan dan warna alami tanaman. Proses penelitian mencakup pengumpulan dataset, pra-pemrosesan data, penerapan kedua teknik augmentasi, dan pembagian dataset ke dalam data pelatihan, validasi, dan pengujian. Hasilnya, teknik CSA menghasilkan 2.400 data untuk pelatihan, 300 data untuk validasi, dan 300 data untuk pengujian, sedangkan teknik RRA menghasilkan jumlah data yang sama. Dengan demikian, total data yang dihasilkan dari kedua teknik augmentasi adalah 6.000 citra, yang dapat meningkatkan akurasi dan performa model deep learning dalam pengenalan citra fitomedisin.