Pengembangan Aplikasi Berbasis Web Untuk Klasifikasi Citra Simplisia Fructus di SMKS Kesehatan Yannas Husada Menggunakan Metode Convolutional Neural Network

Penelitian ini bertujuan untuk mengembangkan, mengetahui performansi algoritma, kevalidan serta kelayakan aplikasi sistem klasifikasi simplisia fructus berbasis web menggunakan algoritma convolutional neural network (CNN) sebagai media pembelajaran Farmakognosi materi simplisia fructus kelas XI Farmasi di SMKS Kesehatan Yannas Husada. Peneliti mengumpulkan dataset yang diambil secara mandiri menggunakan kamera ponsel sebanyak 1296 citra dari 7 kelas jenis simplisia fructus meliputi 226 Piperis albi fructus, 181 Piperis nigri fructus, 317 Tamarindus indica fructus, 132 Capcisi frutecentis fructus, 205 Piper retrofractumrnfructus, 118 Cumini fructus, dan 117 Amomi fructus. Aplikasi berbasis web ini dikembangkan dengan model waterfall menggunakan framework flask. Kemudian, sistem diuji menjadi dua tahap yaitu pengujian performansi terhadap algoritmarnCNN dan pengujian performansi terhadap aplikasi web. Pengujian performansi terhadap algoritma didapatkan confusion matrix menghasilkan akurasi sebesar 99%, presisi sebesar 99%, recall sebesar 99%, dan F1-score sebesar 99% pada 10 epoch dan 128 batch size, serta ketepatan akurasi prediksi setelah deploy sebesar 100%. Pengujian performansi terhadap aplikasi web berdasarkan standar pengujian ISO 25010 didapatkan hasil uji coba ahli sistem sebesar 100% dengan kategori “sangat valid” memenuhi aspek functional suitability, uji software WAPT diperoleh sebesar 100% memenuhi aspek reliability, uji ahli materi sebesar 100% dengan kategori “sangat valid” memenuhi aspek usability. Selanjutnya, hasil uji pengguna kelompok kecil dengan 9 responden sebesar 98,6% dan uji kelompok besar denganrn28 responden sebesar 96,3% dengan kategori “sangat layak”. Dengan demikian, aplikasi sistem klasifikasi simplisia fructus berbasis web menggunakan metode CNN ini sangat valid dan layak digunakan sebagai media penunjang pembelajaran.