Computer Vision Klasifikasi tumbuhan

2.2.7 Backward Chaining

Backward chaining adalah pendekatan yang dimotori tujuan, dalam pendekatan ini pelacakan dimulai dari tujuan, selanjutnya dicari aturan yang memiliki tujuan tersebut untuk kesimpulannya. Gambar 2.3 menunjukan proses backward chaining Arhami, 2005. Gambar 2.3 Proses Backward Chaining

2.3 Computer Vision

Computer vision merupakan proses otomatis yang mengintegrasikan sejumlah besar proses untuk persepsi visual, seperti akuisisi citra, pegolahan citra, klasifikasi, pengenalan recognation, dan membuat keputusan. Computer vision terdiri dari teknik-teknik untuk mengestimasi ciri-ciri objek di dalam citra, pengukuran ciri yang berkaitan dengan geometri objek dan menginterpretasi informasi goemetri tersebut. Mungkin berguna untuk mengingat persamaan berikut : Vision = Geometri + Measurement + Interpretation Observasi A aturan R1 fakta C aturan R3 aturan R2 Observasi B fakta D aturan R2 Tujuan 1 kesimpulan Proses-proses di dalam Computer vision dapat dibagi menjadi tiga aktivitas Munir, 2004 : 1. Memperoleh atau mengakuisisi citra digital. 2. Melakukan teknik komputasi untuk memproses atau memodifikasi data citra operasi-operasi pengolahan citra. 3. Menganalisis dan menginterpretasi citra dan menggunakan hasil pemrosesan untuk tujuan tertentu, misalnya memandu robot, mengontrol peralatan, memantau proses manufaktur, dan lain-lain. Dari penjelasan di atas, dapat dilihat bahwa pengolahan citra dan pengenalan pola merupakan bagian dari Computer vision. Pengolahan citra merupakan proses awal preprocessing pada Computer vision sedangkan pengolahan pola merupakan proses untuk menginterpretasi citra. Teknik-teknik di dalam pengenalan pola memainkan peranan penting dalam Computer vision untuk mengenal objek.

2.4 Digital Image Processing

2.4.1 Pengertian Citra

Data atau informasi tidak hanya disajikan dalam bentuk teks tetapi juga dapat berupa gambar, audio bunyi, suara, musik dan video. Keempat macam data atau informasi ini sering disebut multimedia. Era teknologi informasi saat ini tidak dapat dipisahkan dari multimedia. Citra image –istilah lain untuk gambar- sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh teks, yaitu citra kaya dengan informasi Munir, 2004. Secara harfiah, citra image adalah gambar pada dwimatra dua dimensi. Ditinjau dari pandang matematis, citra merupakan fungsi menerus continue dari intensitas cahaya pada bidang dwimatra. Sumber cahaya menerangi objek, kemudian objek memantulkan kembali sebagian dari teks cahaya tersebut. Pantulan cahaya ini ditangkap oleh alat optik misalnya mata pada manusia, kamera, scanner dan sebagainya, sehingga bayangan objek citra tersebut terekam Munir, 2004. Citra sebagai keluaran dari suatu sistem perekaman data dapat bersifat Munir, 2004 : 1. Optik berupa foto 2. Analog berupa sinyal video seperti gambar pada monitor televisi 3. Digital yang dapat langsung disimpan pada suatu pita magnetik Adapun citra sendiri dibagi menjadi dua. Pertama, citra diam yaitu citra tunggal atau diam still images yang tidak dapat bergerak. Kedua, citra gerak moving images adalah rangkaian citra diam yang ditampilkan secara beruntun sekuensial sehingga memberi kesan pada mata kita sebagai gambar yang bergerak. Setiap citra di dalam rangkaian itu disebut frame. Gambar-gambar yang tampak pada film layar lebar atau televisi pada hakikatnya terdiri atas ratusan sampai ribuat frame Munir, 2004.

2.4.2 Image Processing

Operasi-operasi yang dilakukan di dalam pengolahan citra banyak ragamnya. Namun, secara umum, operasi pengolah cintra dapat diklasifikasikan dalam beberapa jenis sebagai berikut Munir, 2004: 1. Perbaikan kualitas citra image enhancement Jenis operasi ini merupakan proses penajaman fitur tertentu dari citra yang bertujuan untuk memperbaiki kualitas citra dengan cara memanipulasi parameter- parameter citra dan memudahkan proses analisis citra selanjutnya. Dengan operasi ini, ciri-ciri khusus yang terdapat pada citra lebih ditonjolkan seperti perbaikan kontras gelap atau terang, perbaikan tepian objek edge enhancement, penajaman sharpening, pemberian warna semu pseudocoloring dan penapisan noise filtering. 2. Pemugaran citra image restoration Operasi ini bertujuan menghilangkanmeminimumkan cacat pada citra. Tujuan pemugaran citra hampir sama dengan operasi perbaikan citra bedanya pada pemugaran citra penyebab degradasi gambar diketahui. 3. Pemampatan citra image compression Jenis operasi ini dilakukan agar citra dapat direpresentasikan dalam bentuk yang lebih kompak sehingga memerlukan memori yang lebih sedikit. Hal penting yang harus diperhatikan dalam pemampatan adalah citra yang telah dimampatan harus tetap mempunyai kualitas gambar yang bagus. 4. Segmentasi citra image segmentation Segmentasi citra ini mempunyai arti membagi citra menjadi wilayah- wilayah yang homogen berdasarkan kriteria keserupaan yang tertentu antara tingkat keabuan suatu pixel dengan tingkat keabuan pixel-pixel tetangganya Wijaya, 2009 : C-30. Jenis operasi ini bertujuan untuk memecahkan suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu. Jenis operasi ini berkaitan erat dengan pengenalan pola. 5. Pengorakan citra image analysis Jenis operasi ini bertujuan menghitung besaran kuantitif dari citra untuk menghasilkan deskripsinya. Teknik pengorakan citra mengekstraksi ciri-ciri tertentu yang membantu dalam identifikasi objek. Proses segmentasi kadangkala diperlukan untuk melokalisasi objek yang diingikan dari sekelilingnya. Contoh- contoh operasi pengorakan citra : a Pendeteksian tepi objek edge detection b Ekstraksi batas boundary c Representasi daerah region 6. Rekonstruksi citra image reconstruction Jenis operasi ini bertujuan untuk membentuk ulang objek dari beberapa citra hasil proyaksi. Operasi rekontruksi citra banyak digunakan dalam bidang medis. Misalnya, beberapa foto rontgen dengan sinar X digunakan untuk membentuk ulang gambar organ tubuh.

2.4.3 Pendeteksian Tepi Edge Detectioan

Tepi edge adalah perubahan nilai intensitas derajat keabuan yang mendadak besar dalam jarak yang singkat. Perbedaan intensitas inilah yang menampakan rincian pada gambar. Tepi biasanya terdapat pada batas antara dua buah daerah berbeda pada suatu citra Munir, 2004. Deteksi tepi Edge detection adalah operasi yang dijalankan untuk mendeteksi garis tepi edges yang membatasi dua wilayah citra homogen yang memiliki tingkat kecerahan yang berbeda www.ilkom.fmipa.ipb.ac.idyeni Tujuan operasi pendeteksian tepi adalah untuk meningkatkan penampakan garis batas suatu daerah atau objek di dalam citra. Tepi termasuk ke dalam komponen berfrekuensi tinggi. Maka pendeteksian tepi dapat dilakukan dengan panapis lolos-tinggi Munir, 2004. Pendekatan tepi merupakan langkah pertama untuk melingkupi informasi di dalam citra. Tepi mencirikan batas-batas objek dan karena itu tepi berguna untuk proses segmentasi dan identifikasi objek di dalam citra. Beberapa definisi dalam operator pelacakan tepi adalah Ahmad, 2005 : 1. Sebuah titik tepi adalah sebuah titik dengan koordinat x,y pada lokasi yang intensitasnya berubah secara lokal dan berbeda nyata 2. Sebuah potongan garis tepi berkorespondensi dengan koordinat x dan y dari sebuah tepi dengan arah sudut θ yang merupakan sudut gradien 3. Detektor tepi sebuah algoritma yang menghasilkan sebuah set dari tepi titik tepi atau potongan garis tepi dari sebuah obyek di dalam citra 4. Kontur adalah sebuah deret dari tepi atau kurva matematika yang merupakan model deret dari tepi 5. Penyambungan tepi adalah proses pembentukan deret yang beraturan dari deret yang tidak beraturan 6. Penelusuran tepi adalah proses pengolahan citra untuk menemukan kontur. Terdapat beberapa teknik yang digunakan untuk mendeteksi tepi, antara lain Munir, 2004 : 1. Operator gradien pertama differential gradient Ada gradien pertama yang dapat digunakan untuk mendeteksi tepi di dalam citra Munir, 2004 yaitu: a Operator gradien selisih terpusat center-difference b Operator Sobel Pedektian tepi dengan operator sobel menggunakan dua buah kernel konvolusi. Setiap titik dari citra akan konvousikan dengan kedua kernel citra tersebut. Salah satu kernel merespon secara maksimal untuk menghasilkan tepi horizontal dan kernel yang lainnya tepi vertikal. Nilai dari kedua konvolusi merupakan nilai output pixel Muhtadan, 2008. c Operator prewitt Pendeteksian tepi dengan operator Prewitt kernel konvolusi seperti gambar di bawah ini. Sama halnya dengan operator sobel, setiap titik citra dikonvolusikan dengan kedua kernel dan nilai maksimum merupakan output Muhtadan, 2008. Kernel operator Prewitt ditunjukan pada gambar 2.2 -1 -1 -1 1 -1 1 -1 1 1 1 1 -1 Gambar 2.4 Kernel Operator Prewitt d Operator robert Metode ini merupakan penjabaran dari teknik diferensial pada arah horizontal dan diferensial pada arah vertikal dengan menambahkan proses konversi biner dengan meratakan distribusi warna hitam dan warna putih Sartika, 2008. e Operator Canny Pada tahun 1986 John Canny Canny, 1986 mengusulkan 3 kriteria yang menjadi basis pengembangan filter untuk mengoptimalkan pendetektian tepi pada citra bernoise. Ketiga kriteria tersebut adalah : • Good detection, kriteria ini bertujuan memaksimalkan nilai signal to noise ration SNR sehingga semua tepi dapat terdeteksi dengan baik atau tidak ada yang hilang. • Good localisation, tepi yang terdeteksi berada pada posisi yang sebenarnya atau dengan kata lain bahwa jarak antara posisi tepi yang terdeteksi oleh detektor dengan posisi tepi sebenarnya adalah seminimum mungkin idealnya = 0 • Low multiplicity of the response atau one response to singel edge detektor tidak memberikan tepi yang bukan tepi sesungguhnya. 2. Operator turunan kedua laplacian Operator laplacian mendeteksi lokasi tepi lebih akurat khususnya pada tepi yang curam. Pada tepi yang curam, turunan keduanya mempunyai persilangan nol zero-crossing, yaitu titik di mana terdapat pergantian tanda turunan kedua, sedangkan pada tepi yang landai tidak terdapat persilangan nol. Persilangan nol merupakan lokasi tepi yang akurat. 3. Operator kompas compass operator Operator kompas compass operator digunakan untuk mendeteksi semua tepi dari berbagai arah di dalam citra. Operator kompas yang dipakai untuk pendeteksian tepi menampilkan 8 macam arah mata angin: Utara, Timur Laut, Timur, Tenggara, Selatan, Barat daya, Barat, dan Barat Laut. Pendeteksian tepi dilakukan dengan mengkonvolusikan citra dengan berbagai mask kompas, lalu dicari kekuatan tepi magnitudo yang terbesar dan arahnya Munir, 2004. Operator kompas yang tersedia yaitu 8 macam arah mata angin dapat juga digunakan untuk mendeteksi tepi dalam arah tertentu saja. Misalnya diinginkan mendeteksi tepi dalam arah horizontal dan vertikal saja Munir, 2004.

2.5 Klasifikasi tumbuhan

Adanya keaneragaman hidup sebagai akibat dari adanya evolusi khususnya adaptasi terhadap fungsi dan lingkungan yang berbeda-beda yang menyebabkan timbulnya berbagai macam bentuk kehidupan di muka bumi ini. Hal ini mendasari pemikiran untuk membuat sebuah sistem pengelompokkan terhadap berbagai macam bentuk kehidupan dalam suatu kelompok-kelompok kecil dengan obyek keaneragaman bentuk kehidupan tersebut, yang lebih dikenal dengan sebutan sistem klasifikasi Pratiwi dkk, 2006. Klasifikasi sendiri memiliki tujuan untuk menyederhanakan obyek-obyek yang beranekaragam tersebut dengan cara mencari persamaan-persamaan tertentu yang dimiliki oleh obyek-obyek tersebut. Dari persamaan-persamaan itulah dapat dibentuk satuan-satuan kelompok yang ditata dengan urutan dan tingkat-tingkat tertentu. Dengan landasan dari persamaan-persamaan itu, Corolus Linnaeus 1707 – 1778 membagi makhluk hidup ke dalam dua kelompok besar, yaitu: 1 Plantae dunia tumbuh-tumbuhan 2 Animalia dunia hewan Semakin majunya ilmu pengetahuan dan teknologi menyebabkan klasifikasi mekhluk hidup pun mengalami perubahan. Dahulu klasifikasi makhluk hidup hanya mencakup dua kingdom kerajaan maka sekarang klasifikasi makhluk hidup dibagi menjadi lima kingdom yaitu protista, monera, animalia, plantea dan fungi Campbell, 2000 . Kingdom plantae dibagi menjadi dua kelompok yaitu tumbuhan berpembuluh dan tumbuhan tidak berpembuluh. Tumbuhan berpembuluh beranggotakan pteridhopyta paku-pakuan dan spermatophyte tumbuhan berbuga. Tumbuhan tidak berpembuluh adalah tumbuhan yang akar, batang dan daunnya tidak mempunyai pembuluh seperti : alga, jamur dan lumut. Rosales salah satu bangsa yang beranggotakan Suku Crassulaceae, Suku Cephalotaceae, Suku Pittosporaceae, Suku Cunoniaceae, Suku Rosaceae, Suku Brunelliaceae, Suku Connaraceae, Suku Leguminosae, Suku Mimosaceae, Suku Papilionaceae dan Suku Caesalpiniaceae Gembong tjitrosoepomo, 1988. Suku Papilionaceaee kacang-kacangan, yang mempunyai ciri-ciri semak, perdu, atau pohon kerapkali memanjat. Daun berseling atau tersebar, tunggal atau majemuk. Daun penumpu ada. Bunga berkelamin 2, dalam karangan yang berbeda-beda, kerapkali zygomorph menyolok, kelopak bersatu. Mahkota berbentuk kupu-kupu terdiri atas lima, lapas atau hampir lepas; 2 yang terbawah bersama-sama membentuk tunas, kerapkali berlekatan satu dengan yang lainnya, diapit antara 2 sayap di sebelahnya; daun mahkota teratas kebanyakan 10, kerapkali 9 bersatu dan 1 lepas beberkas dua, jarang lebih dari satu lepas; ruang sari 2. Bakal buah menumpang, beruang 1. Polongan membuka atau tidak membuka atau patah dalam ruas. Biji 1 atau banyak Steenis, 1992. Di antara anggota-anggotanya banyak yang merupakan tanaman penghasil komoditif yang berharga, merupakan bahan pangan dengan nilai gizi yang tinggi karena kandungannya akan protein, lemak, dan vitamin-vitamin dalam bijinya. Polong yang muda, demikian pula daun-daun muda jenis-jenis tertentu banyak yang dimakan sebagai sayuran. Selain dari itu banyak pula di antara anggotanya yang dalam pertanian ditanam sebagai pupuk hijau, karena adanya simbosis anggota suku ini dengan bakteri-bakteri penambat zat lemas dari udara. Banyak pula di antara warga suku ini yang ditanam untuk makanan ternak. Sebagai contoh adalah • Soja max kedelai, bijinya kaya protein dan lemak. • Phaseolus radiatus: Ph. Radiatus dan Ph. Mungo kacang hijau, Ph. Lunatus kara, krupuk, kratok, Ph. Vulgaris buncis, sayuran. • Arachis hypogaeakacang tanah • Pisum sativumkacang kapri • Canavalia ensiformiskara pedang • Mucuna prurienskara benguk • Cajanus cajankacang hiris • Crotalaria juncea, Cr. usaramoensis, Cr. anagyroides Indigofera sumatrana, I. Endecaohylla • Tephrosia : maxima • Sesbania grandiflora janti, S. Grandiflora turi • Centrosema pubescens • Calopogonium muconoides • Psophocarpus tetragonolobus kacang kecipir • Clitoria ternatea kembang telang • Pterocarpus undica angsana kembang • Dalbergia latifolia angsana keling Myroxylon balsamun • Erythrina variegate dadap • Vicia faba kacang babi • Voandzeia subterranean kacang bogor. Suku ini mempunyai manfaat sebagai Bahan pangan dengan nilai gizi yang tinggi karena kandungannya akan protein,. Dalam hal ini penulis memilih suku paplilionaceae sebagai bahasan Gembong tjitrosoepomo, 1988.

2.6 MATLAB Matrix Laboratory