Analisis Pengenalan Pola Daun Menggunakan Metode Linear Discriminant Analysis (LDA) dan Jarak Minkowski
Abstract
Indonesia adalah negara tropis yang memiliki keanekaragaman jenis tumbuhan. Tumbuhan terdiri atas tiga organ dasar yaitu akar, batang dan daun. Daun merupakan salah satu bagian yang sering digunakan untuk mengklasifikasikan tanaman, karena setiap jenis tanaman memiliki ciri yang berbeda. Bentuk tepian daun bisa digunakan untuk acuan klasifikasi daun. Otak manusia memiliki keterbatasan dalam mengolah atau mengignat informasi jenis-jenis tanaman yang berdasarkan daun. Oleh karena itu dibutuhkan peralihan pengetahuan manual ke suatu sistem digital. Maka dalam penelitian ini dibuat sistem yang mampu melakukan pengenalan daun menggunakan ekstraksi ciri pada daun menggunakan metide Linear Discriminant Analysis ( LDA ) dan jarak Minkowski.
Proses pengenalan pola citra daun diawali dengan pengambilan citra daun, kemudian masuk ke tahap prapengolahan untuk membedakan objek dengan latar belakang. Setelah itu masuk ke tahap ekstraksi ciri menggunakan Linear Discriminant Analysis (LDA ) untuk mendapatkan karakteristik ciri dari citra dan Jarak Minkowski untuk melakukan pengenalan dari pola daun.
Berdasarkan hasil penelitian dengan jumlah data sebanyak 40 kelas dengan masing-masing kelas sebanyak 6 citra, dengan citra latih sebanyak 160 citra daun dan citra uji sebanyak 80 citra daun. Saat pengenalan menggunakan jarak minkowski menggunakan 3 koefisien yaitu koefisien minkowski 1, 2, dan 3. Dari masing-masing koefisien minkowski didapatkan persentase keakurasian. Persentasi keakurasian saat menggunakan koefisien minkowski 1 sebesar 41,25%, koefisien minkowski 2 sebesar 33,75%, dan koefisien minkowski 3 sebesar 30%. Persentase keakurasian pada penelitian ini tidak dapat menghasilkan diangka 80% dikarenakan jumlah data sangat mempengaruhi hasil persentase, semakin banyak data yang ada maka nilai persentase juga akan semakin kecil.
Keywords
Full Text:
PDF (Bahasa Indonesia)References
Perlu dilakukan penelitian lebih lanjut dengan menggunakan metode yang berbeda dan
dibandingkan dengan penelitian ini.
Referensi
A. Novitasari, E. P. Purwandari, and F. F. Coastera, Identifikasi citra daun tanaman jeruk dengan
local binary pattern dan moment invariant, J. Inform. dan Komput., vol. 3, no. September, pp. 76
, 2018.
S. Y. Riska, L. Cahyani, and M. I. Rosadi, Klasifikasi Jenis Tanaman Mangga Gadung dan
Mangga Madu Berdasarkan Tulang Daun, J. Buana Inform., vol. 6, no. 1, pp. 41 50, 2015, doi:
24002/jbi.v6i1.399.
F. Liantoni, Klasifikasi Daun Dengan Perbaikan Fitur Citra Menggunakan Metode K-Nearest
Neighbor, J. Ultim., vol. 7, no. 2, pp. 98 104, 2016, doi: 10.31937/ti.v7i2.356.
M. Melinda, Identifikasi Cacat Amunisi Dengan Menggunakan Pengolahan Citra Digital Dan
Linear Discriminat Analysis ( LDA ), Institut Teknologi Sepuluh Nopember Surabaya, 2015.
S. Cahyani, R. Wiryasaputra, and R. Gustriansyah, Identifikasi Huruf Kapital Tulisan Tangan
Menggunakan Linear Discriminant Analysis dan Euclidean Distance, J. Sist. Inf. Bisnis, vol. 8, no.
, p. 57, 2018, doi: 10.21456/vol8iss1pp57-67.
F. Muwardi and A. Fadlil, Sistem Pengenalan Bunga Berbasis Pengolahan Citra dan
Pengklasifikasi Jarak, J. Ilm. Tek. Elektro Komput. dan Inform., vol. 3, no. 2, p. 124, 2018, doi:
26555/jiteki.v3i2.7470.
L. Ratnawati and D. R. Sulistyaningrum, Penerapan Random Forest untuk Mengukur Tingkat
Keparahan Penyakit pada Daun Apel, J. Sains dan Seni ITS, vol. 8, no. 2, 2019.
M. Melinda, Identifikasi Cacat Amunisi dengan Menggunakan Pengolahan Citra Digital Dan
Linear Discriminant Analysis (LDA), 2015.
M. Fitriana, Pengenalan Citra Iris Mata Menggunakan Jarak Minkowski dengan Ekstraksi Ciri
Alihragam Gelombang Singkat Daubechies, Transient, vol. 4, p. 850, 2015.
DOI: http://dx.doi.org/10.26623/transformatika.v18i2.2975
Refbacks
- There are currently no refbacks.
| View My Stats |
Jurnal Transformatika : Journal Information Technology by Department of Information Technology, Faculty of Information Technology and Communication, Semarang University is licensed under a Creative Commons Attribution 4.0 International License.