= pusat cluster ke-k untuk atribut ke j = derajat keangotaan titik ke-k di cluster ke-i
4. Memperbaiki derajat keanggotaan setiap anggota dengan persamaan 9.
…………………………………………...9
dengan mencari jarak d antara pusat cluster dan data dengan persamaan 10. …………………………………………10
dengan : = sample data ke-k, atribut ke-j
= pusat cluster ke-k untuk atribut ke-j = pangkat pembobot
5. Memeriksa kondisi berhenti ;
Jika │P
t
- P
t-1
Proses selesai │ ε atau t maxiter
Jika tidak : t =t+1 Kembali ke langkah ke 2.
2.6. Evaluasi Sistem
Evaluasi sistem dilakukan untuk menentukan tingkat akurasi model clustering dan hasil identifikasi. Salah satu cara untuk menghitung tingkat akurasi
adalah dengan menggunakan confusion matrix antara data real dan data prediksi adalah sebagai berikut Hermaduanti 2008 :
Data Prediksi
+ -
+ TP
FN -
FP TN
D at
a R
eal
Perhitungan akurasi menggunakan persamaan 11 berikut : Akurasi = . ................
…………………..11
dengan : -
TP True Positive, apabila nilai data real dan data prediksi menghasilkan nilai positif.
- TN True Negative, apabila nilai data real dan data prediksi menghasilkan
nilai negatif. -
FP False Positive, apabila nilai data real negatif tetapi data prediksi menghasilkan nilai positif.
-
FN False Negative, apabila nilai data real positif tetapi data prediksi menghasilkan nilai negatif.
TP + TN x 100 TP + TN + FP + FN
BAB III METODE PENELITIAN
3.1. Tahapan Penelitian
Tahapan penelitian yang dilaksanakan ditunjukan pada Gambar 6.
Gambar 6 Tahapan Penelitian.
Ekstraksi Fitur
Menggunakan Metode Fraktal
Preprocessing Citra Tumbuhan Obat
Hasil Identifikasi
Akusisi Citra Tumbuhan Obat
INPUT Citra Query
Clustering Fuzzy C-Means
Evaluasi Hasil Identifikasi
Tumbuhan Obat Ekstraksi Fitur
Menggunakan Metode Fraktal
Pre processing Citra Tumbuhan Obat
Model
3.1.1. Akusisi Citra Tumbuhan Obat
Pada tahap ini citra tumbuhan obat diakusisi dengan sensor larik sensor array menggunakan kamera digital. Data yang digunakan pada penelitian ini
adalah kumpulan daun tumbuhan obat di kebun Biofarmaka IPB dan di rumah kaca Pusat Konservasi Ex-Situ Tumbuhan Obat Hutan Tropika Indonesia,
Fakultas Kehutanan IPB
.
Pada penelitian ini citra daun tumbuhan obat yang digunakan adalah adalah 20 jenis dan masing-masing jenis terdiri atas 30 citra daun sehingga
totalnya adalah 600 data. Jenis-jenis daun yang digunakan adalah Jarak Pagar, Dandang Gendis, Iler, Cincau Hitam, Lilin, Daruju, Bunga Telang, Pungpulutan,
Kumis Kucing, Sambang Darah, Jambu Biji, Akar kuning, Kemangi, Handeleum, Mrambos, Nandang Gendis Kuning, Tabat Barito, Gadung Cina, Bidani dan
Pegagan. Bentuk dan keterangan dari seluruh data dapat dilihat pada Lampiran 1.
3.1.2. Preprocessing Citra Tumbuhan Obat
Preprocesing yang dilakukan pada penelitian adalah menyeragamkan ukuran citra menjadi 16x16 piksel dan melakukan perubahan bentuk citra ke
dalam format grayscale 8 bit 2
8
= 256 derajat keabuan. Untuk mengubah warna RGB ke grayscale digunakan persamaan 12 Jianxin et al. 2011.
Gray = 0,2989 x R+ 0,5870 x G+ 0,1140 x B ……………………… .12
3.1.3. Ekstraksi Fitur Tumbuhan Obat dengan Metode Fraktal
Ada dua pendekatan metode fraktal yang digunakan untuk ekstraksi fitur yaitu dimensi fraktal dan kode fraktal.
a. Dimensi Fraktal
Dimensi fraktal citra daun tumbuhan obat dihitung menggunakan metode Box Counting. Penghitungan dilakukan pada dua model citra, yaitu citra
keseluruhan global seperti ditunjukan pada Gambar 7a dan pada setiap local region yang terdiri atas 4 bagian yang sama seperti ditunjukan pada Gambar 7b.
Hasil ekstraksi citra daun tumbuhan dengan dimensi fraktal menghasilkan lima