Escolar Documentos
Profissional Documentos
Cultura Documentos
Abstrak
Identifikasi citra daun merupakan proses untuk mengenali dan mengidentifikasi jenis tanaman
obat herbal. Teknologi pengenalan citra daun termasuk di dalam teknik image processing yang
menggunakan karakteristik tanaman. Saat ini pengenalan citra daun dapat dilakukan dengan
menggunakan aplikasi software yang berbasis pengolahan citra digital dengan jaringan saraf
tiruan. Dengan adanya aplikasi ini, tentu akan mempermudah manusia untuk mengenali dan
mengetahui manfaat tanaman obat herbal.
Algoritma yang digunakan untuk implementasi sistem pengenalan citra daun ini adalah dengan
menggunakan filter Wavelet 2D. Filter Wavelet 2D digunakan untuk mendapatkan informasi ciri
yang penting dari citra daun. Jumlah vektor ciri yang dihasilkan diharapkan mewakili ciri spesifik
dari setiap citra daun. Hasil keluaran dari proses ini digunakan sebagai inputan pada proses
pengenalan pola dan pengklasifikasian. Untuk tahapan ini, akan digunakan metode jaringan saraf
tiruan perambatan balik atau back propagation (JST-BP).
Hasil yang ditampilkan adalah bagaimana suatu sistem dapat mengenali dan membandingkan
pola daun tertentu dan dapat mengambil keputusan yang tepat pada setiap jenis pola daun
masukan tertentu. Sistem yang dirancang ini memiliki tingkat keberhasilan akurasi total 78,28%
untuk mengenali dan membandingkan pola serta mengambil keputusan yang tepat.
Kata Kunci : gabor 2D, transformasi wavelet, jaringan saraf tiruan, back propagation,
Abstract
Identification of the leaf image is a process to recognize and identify the types of herbal
medicinal plants. Leaf image recognition technology included in the image processing techniques
that use characteristics of the plant. Current leaf image recognition can be performed using
application software-based digital image processing with neural networks. With this application,
it would be easier for humans to recognize and know the benefits of herbal medicinal plants.
The algorithm used for the implementation of this leaf image recognition system is to use 2D
Wavelet filter. 2D Wavelet filters are used to obtain information essential characteristics of the
image of the leaf. The resulting number is expected to feature vector representing the specific
traits of each leaf image. The output of this process are used as input to the process of pattern
recognition and classification. For this stage, we will use methods of artificial propagation neural
network, or behind the back propagation (BP-ANN).
The result shown is how a system can recognize and compare patterns of certain leaves and can
take appropriate decisions on any particular type of input leaf pattern. Designed system has a
success rate of 78.28% total accuracy to recognize and compare patterns and take appropriate
decisions.
PENDAHULUAN
BAB I
PENDAHULUAN
PENDAHULUAN
Pada tugas akhir ini penulis akan membuat “Aplikasi Identifikasi Daun Obat
Herbal Menggunakan Transformasi Wavelet dan Jaringan Saraf Tiruan-Back
Propagtion berbasis Web Server”. Dengan aplikasi ini diharapkan dapat membantu
masyarakat untuk mengetahui tanaman obat yang terdapat di sekitar lingkungannya
serta meningkatkan kesadaran untuk dapat kembali ke alam (go green).
1.2 Tujuan
Tugas akhir ini akan membatasi permasalahan pada poin-poin berikut ini.
1. Menggunakan file citra daun dengan format *.jpg sebagai masukan dengan ukuran
1200 x 1600 pixel.
2. Citra daun yang digunakan adalah daun yang telah dewasa, dalam kondisi utuh atau
tidak cacat, dan dalam kondisi segar dan baik.
3. Database yang terdapat pada aplikasi hanya sebatas pada database yang telah ada
pada sistem tersebut.
4. Citra daun yang diidentifikasi merupakan citra daun tunggal, dengan background
bebas, selain warna hijau atau daun lainnya.
APLIKASI IDENTIFIKASI DAUN OBAT HERBAL MENGGUNAKAN TRANSFORMASI WAVELET DAN 2
JARINGAN SARAF TIRUAN-BACK PROPAGATION BERBASIS WEB SERVER
PENDAHULUAN
PENDAHULUAN
BAB I Pendahuluan
Pada bab ini akan dibahas tentang latar belakang penelitian, rumusan masalah, batasan
masalah, tujuan, metode penelitian, dan sistematika penulisan tugas akhir.
Pada bab ini berisi kesimpulan dan saran dari seluruh kegiatan tugas akhir ini yang
bisa digunakan sebagai masukan untuk pengembangan sistem informasi lebih lanjut
dari topik tugas akhir ini.
BAB V
PENUTUP
5.1 Kesimpulan
Dari hasil pengujian dan analisis yang telah dilakukan pada proses identifikasi
daun obat herbal, maka dapat diambil beberapa kesimpulan sebagai berikut:
1. Sistem identifikasi daun obat herbal sudah dapat menganalisa 10 jenis daun
obat herbal yaitu : daun belimbing wuluh, daun dewa, daun jambu biji, daun
pala, daun pepaya, daun salam, daun sambiloto, daun sirih, dan daun sirsak.
Tingkat akurasi sistem dalam mengidentifikasi adalah 78,28%.
3. Dalam sistem ini kinerja JST-BP sangat berpengaruh, jika error yang dihasilkan
semakin kecil akan dihasilkan MSE yang semakin kecil dan tingkat akurasi
akan semakin tinggi.
4. Sistem masih sangat rentan terhadap noise salt n pepper dan noise gaussian,
akurasi menurun ketika citra uji diberikan noise tersebut, berikut merupakan
rinciannya :
a. Noise salt n pepper dengan density 0.01 akurasi mencapai 17,86%.
b. Noise salt n pepper dengan density 0.02 akurasi mencapai 14,88%.
c. Noise salt n pepper dengan density 0.05 akurasi mencapai 9,8%.
d. Noise Gaussian dengan mean=0 dan variansi =0.01 akurasi mencapai
18,38%.
e. Noise Gaussian dengan mean=0.1 dan variansi =0.02 akurasi mencapai
10,5%.
f. Noise Gaussian dengan mean=0.2 dan variansi =0.03 akurasi mencapai
8,75%.
untuk menanggulanginya dapat digunakan median filter atau gunakan LPF.
5.2 Saran
Adapun saran untuk pengembangan tugas akhir selanjutnya adalah :
1. Menambah referensi jenis daun obat herbal untuk diidentifikasi.
2. Menggunakan algoritma ekstraksi ciri yang lebih baik sehingga mengurangi
kesalahan dalam menentukan ciri.
3. Menggunakan metode identifikasi yang lain dengan waktu komputasi yang singkat.
DAFTAR PUSTAKA
[1] Aryuanto, Dkk, “Segmentasi Warna Untuk Ekstraksi Simbol dan Karakter
Pada Citra Rambu Lalu Lintas”, Jurnal Ilmu Komputer dan Informasi, Volume 3,
Nomor 1, ISSN 1979 0732.
[2] Chaniago, Dendy. 2011. Klasifikasi Buah Pisang Berdasarkan Jenis Dan
Kematangan Berbasis Pengolahan Citra Dengan Camera Digital, Tugas Akhir,
Bandung: Institut Teknologi Telkom.
[3] Eliyani; Pengantar Jaringan Syaraf Tiruan; MateriKuliah.Com; 2005
[4] Falasev, Reza Syauqi. 2007. Pengenalan Sidik Jari Manusia dengan Matrix
Kookurensi Aras Keabuan, Tugas Akhir, Depok : Fasilkom UI.
[5] Jong, J.S. 2005. Jaringan Syaraf Tiruan dan Pemrogramannya Menggunakan
Matlab. Andi, Yogyakarta.
[6] Munir, Rinaldi. (2004). Pengolahan Citra Digital dengan Pendekatan Algoritmik.
Informatika. Bandung.
[7]Color Segementation Based Lab Color Space,
http://www.mathworks.com/searchresults/?c%5B%5D=entiresite&q=lab,
diakses terakhir tanggal 16 Januari 2012.
[8] Lab_Color_Space,http://pengantar-warna.blogspot.com/,diakses terakhir tanggal
10 Januari 2012.
[9] Pengolahan Citra Digital,
http://www.ittelkom.ac.id/library/index.php?view=article&catid=15%3
Apemrosesan-sinyal&id=383%3Apengolahan-citra-
digital&option=com_content&Itemid=15, diakses terakhir tanggal 22 Januari
2012.
[10] Agus Prijono & Marvin Ch. Wijaya, 2007. Pengolahan Citra Digital
Menggunakan MatLAB Image Processing Toolbox. Bandung : Informatika.
[11] Putra, Darma. 2009. Pengolahan Citra Digital. Yogyakarta: Andi
[12]Kumpulan Tutorial Statistika,http://statutorial.blogspot.com/2008/01/skewness-
dan-kurtosis, diakses terakhir tanggal 25 Januari 2012.
xxxiii
xxxiv