Abstrak
Kabupaten Malinau di Provinsi Kalimantan Utara, khususnya Desa Putat, memiliki keanekaragaman hayati yang tinggi, termasuk tumbuhan dari family Menispermaceae, salah satunya daun Sengkubak dengan nama ilmiah Pycnarrhena Cauliflor. Penelitian ini bertujuan untuk membangun sistem deteksi kesegaran berbasis citra menggunakan metode deep learning khususnya CNN untuk mengklasifikasikan jenis kesegaran daun Apa (sengkubak) kedalam tiga kriteria yaitu daun sengkubak segar, daun sengkubak tidak segar, daun sengkubak rusak. Dataset penelitian ini terdiri dari 1500 citra awal data primer daun sengkubak dengan tiga kriteria kesegaran, yang kemudian diproses melalui tahap preprocessing dan augmentasi sehingga menghasilkan 2500 citra. Pembagian dataset terdiri dari 80% data latih, 10% data validasi, dan 10% data uji. Model CNN dengan arsitektur VGG16 yang dilatih menunjukkan akurasi pelatihan sebesar 99.27%. Evaluasi menggunakan data validasi menunjukkan performa model secara keseluruhan berdasarkan nilai f1-score berada pada kisaran 99-100%. Sementara itu, data uji menghasilkan precision 100%, untuk daun sengkubak rusak, meskipun terdapat sedikit kesalahan dengan recall sebesar 96% dan fi-score 98%. Untuk daun sengkubak segar precision, recall, dan f1-score rata-rata mencapai 100%. Sedangkan untuk daun sengkubak tidak segar precision 97%, recall 100%, dan f1-score 98%. Berdasarkan hasil yang diperoleh, model CNN dengan arsitektur VGG16 menunjukkan performa yang baik dalam mengklasifikasikan kesegaran daun sengkubak, meskipun masih terdapat beberapa kesalahan pada pengujian. Faktor kesalahan tersebut disebabkan oleh kurangnya variasi tekstur daun, keterbatasan keragaman data latih, dan kualitas citra. Sistem ini diharapkan menjadi sistem deteksi yang inovatif dan standar kualitas yang lebih objektif untuk daun sengkubak vetsin alami masyarakat Dayak.