Identifikasi manual jenis tanaman di lingkungan taman sering menghadapi tantangan visual akibat kesamaan bentuk dan warna daun antar spesies, termasuk tanaman cemara. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem deteksi jenis tanaman cemara berbasis data citra menggunakan algoritma Convolutional Neural Network dengan arsitektur Inception V3. Sistem ini dikembangkan untuk membantu pengelola dan pelanggan di Rumah Bunga Adenium Landscape dalam mengenali serta membedakan berbagai jenis cemara seperti Cemara Inoki, Cemara Embun, dan Cemara Perak. Pengembangan sistem dilakukan menggunakan metode Prototype dengan bahasa pemrograman Python. Dataset yang digunakan terdiri dari 1.220 gambar daun yang digunakan untuk melatih dan menguji model Convolutional Neural Network, dengan masing-masing gambar diubah ukurannya menjadi 299x299 piksel sesuai kebutuhan arsitektur Inception V3. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu mengklasifikasikan jenis cemara secara otomatis dengan akurasi mencapai 93%. Sistem ini juga dilengkapi dengan antarmuka yang ramah pengguna guna mendukung operasional di lapangan.
Kata Kunci : Convolutional Neural Network, Deteksi Tanaman, Tanaman Cemara, Pengolahan Citra, Prototype

Manual identification of plant species in garden environments often encounters visual challenges due to the similarity in leaf shapes and colors among different species, including pine plants. This study aims to design and develop a pine species detection system based on image data using a Convolutional Neural Network (CNN) algorithm with the Inception V3 architecture. The system is developed to assist managers and customers at Rumah Bunga Adenium Landscape in recognizing and distinguishing various pine types such as Cemara Inoki, Cemara Embun, and Cemara Perak. System development is carried out using the Prototype method with Python programming language. A dataset of 1,220 leaf images is used for training and testing the CNN model, with each image resized to 299x299 pixels to match the requirements of the Inception V3 architecture. The results of this study show that the developed system is capable of automatically classifying pine types with an accuracy of up to 93%. The system is also equipped with a user-friendly interface to support field operations.
Keyword : Convolutional Neural Network, Plant Detection, Cypress Plant, Image Processing, Prototype