Membangun Kunci Identifikasi Asterinaceae Berhifopodia Menggunakan k-Nearest Neighbour KarakterMorfologi

MEMBANGUN KUNCI IDENTIFIKASI ASTERINACEAE
BERHIFOPODIA MENGGUNAKAN k-NEAREST
NEIGHBOUR KARAKTER MORFOLOGI

LUFEBRINA DORMA ULI MANALU

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2012

MEMBANGUN KUNCI IDENTIFIKASI ASTERINACEAE
BERHIFOPODIA MENGGUNAKAN k-NEAREST
NEIGHBOUR KARAKTER MORFOLOGI

LUFEBRINA DORMA ULI MANALU

Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer pada

Departemen Ilmu Komputer

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2012

ABSTRACT
LUFEBRINA DORMA ULI MANALU. Setting Up an Identification Key of Hyphopodiate
Asterinaceae Using K-Nearest Neighbour of the Morphological Characters. Under supervision of SRI
NURDIATI and GAYUH RAHAYU.
Each species of fungi is distinguished by a set of characters that are unique to that species. One
of those are morphological characters. This study is aiming at setting up the interactive identification
key of the Hyphopodiate Asterinaceae that consist of 37 species of Asterina, 1 species of
Asterolibertia, and 4 species of Lembosia, using K-nearest neighbour method (KNN). KNN is one of
classification methods that calculate similarity based on the distance between data training and data
testing. A set of 116 morphological characters with two data types i.e 104 nominal data and 12
numeric data of 93 specimens were used to set up the models of the identification key. Euclidean
distance was used for the numeric data type where as the Hamming distance was used for the nominal

data type. The Euclidean distance and the Hamming distance will be combined by the aggregation
function. The smallest value of aggregation indicated the degree of similarity between groups and the
identity. Web-based interactive identification key of Hyphopodiate Asterinaceae was used as a
primary source of information of the diversity of Hyphopodiate Asterinaceae in the world for
mycologists and other users. Data from 42 species each were used as data testing. It was found that the
accuracy of normalized data was higher than the unnormalized data, with values of 100% and 78.38%
respectively. Therefore, this web-based identification was developed by using the normalized numeric
data.
Keyword : Hyphopodiate Asterinacea, Identification key, k-Nearest Neighbour.

Judul Skripsi
Nama
NRP

: Membangun Kunci Identifikasi Asterinaceae Berhifopodia Menggunakan kNearest Neighbour Karakter Morfologi
: Lufebrina Dorma Uli Manalu
: G64086055

Menyetujui:
Pembimbing

Dr. Ir. Gayuh Rahayu
NIP. 19580105 1983032002

Tanggal Lulus :

1 6 SEP 20 13

Judul Skripsi
Nama
NRP

: Membangun Kunci Identifikasi Asterinaceae Berhifopodia Menggunakan kNearest Neighbour KarakterMorfologi
: Lufebrina Dorma Uli Manalu
: G64086055

Menyetujui:
Pembimbing

Dr. Ir. Sri Nurdiati, M.Sc.

NIP. 19601126 198601 2001

Dr. Ir. Gayuh Rahayu
NIP. 19580105 198303 2002

Mengetahui:
Ketua Departemen Ilmu Komputer

Dr. Ir. Agus Buono, M.Si, M.Kom
NIP. 19660702 199302 1 001

Tanggal Lulus :

PRAKATA
Terima kasih yang sangat besar, penulis panjatkan ke Tuhan Yang Maha Kuasa, atas segala
kuasaNya, sehingga penulis dapat menyelesaikan karya ilmiah ini. Pada kesempatan ini, penulis
mengucapkan terima kasih kepada mereka yang telah memberikan bantuan dan dukungannya
sehingga laporan ini dapat terselesaikan:
1
Kedua orang tua dan keluarga atas cinta kasihnya, dukungan, semangat, nasihat, perhatian,

dan doa yang diberikan kepada penulis sehingga penulis dapat menyelesaikan studi di
departemen Ilmu Komputer, IPB.
2
Ibu Dr. Ir. Sri Nurdiati, M.Sc dan Ibu Dr. Ir. Gayuh Rahayu selaku dosen pembimbing yang
telah sabar memberikan bimbingan, waktu, petunjuk dan saran selama penelitian dan
penyusunan skripsi ini.
3
Bapak Azis Kustiyo dan Bapak Toto Haryanto sebagai penguji
4
Panji selaku teman yang selalu membantu, Eva sebagai sahabat terbaik, dan ketiga teman
bimbingan penulis lainnya, Fifi, Nurul dan Resti.
5
Teman-teman Alih Jenis Ilkom angkatan 3 atas kebersamaan, persahabatan, semangat dan
bantuannya.
6
Semua pihak yang tidak dapat penulis sebutkan satu per satu yang telah membantu
terselesaikannya karya ilmiah ini.
Semoga penelitian ini dapat bermanfaat bagi pihak yang membutuhkan. Penulis menyadari
bahwa tulisan ini masih belum sempurna, karena itu penulis mohon maaf atas segala kesalahan.

Bogor, November 2012

Lufebrina Dorma Uli Manalu

RIWAYAT HIDUP
Penulis dilahirkan di Doloksanggul pada tanggal 06 Februari 1987 dari Ayah Butti Manalu dan
Ibu L. Simamora. Penulis merupakan putri kelima dari lima bersaudara. Pada tahun 2005, penulis
lulus dari SMA KatolikCahaya Medan. Pada tahun yang sama penulis lulus seleksi Institut Pertanian
Bogor melalui jalur Seleksi Ujian Seleksi Masuk IPB (USMI). Penulis memilih Program Studi D3
Manajemen Informatika, dan lulus pada tahun 2008.Pada bulan Oktober tahun 2008, penulis
melanjutkan pendidikan ke jenjang Strata 1 untuk Program Studi Ilmu Komputer, Departemen Ilmu
Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor.

DAFTAR ISI
Halaman
DAFTAR ISI .......................................................................................................................................... v
DAFTAR GAMBAR ............................................................................................................................. vi
DAFTAR LAMPIRAN .......................................................................................................................... vi
PENDAHULUAN .................................................................................................................................. 1
Latar belakang ............................................................................................................................... 1

Tujuan ........................................................................................................................................... 1
Manfaat ......................................................................................................................................... 1
TINJAUAN PUSTAKA ......................................................................................................................... 1
Cendawan ...................................................................................................................................... 1
Asterinaceae Berhifopodia ........................................................................................................... 2
Klasifikasi ..................................................................................................................................... 2
Normalisasi ................................................................................................................................... 2
K-Nearest Neighbour (KNN) ........................................................................................................ 2
METODE PENELITIAN ....................................................................................................................... 3
1 Identifikasi Masalah ................................................................................................................... 3
2 Pengumpulan Data ..................................................................................................................... 3
3 Praproses Data ............................................................................................................................ 3
4 Penentuan Data Latih dan Data Uji ............................................................................................ 4
5 Klasifikasi dengan KNN ............................................................................................................ 4
6 Model Identifikasi Asterinaceae Berhi-fopodia ......................................................................... 4
7 Hasil Prediksi ............................................................................................................................. 4
Spesifikasi Implementasi............................................................................................................... 4
HASIL DAN PEMBAHASAN............................................................................................................... 4
Deskripsi Data ............................................................................................................................... 4
Praproses Data ............................................................................................................................... 5

Proses Klasifikasi .......................................................................................................................... 5
Kunci Identifikasi Asterinaceae Berhifopodia Interaktif Berbasis Web ....................................... 5
Hasil Pengujian ............................................................................................................................. 6
Percobaan 1 (tanpa Normalisasi) ................................................................................................... 6
Pengujian dengan Normalisasi ...................................................................................................... 7
KESIMPULAN DAN SARAN............................................................................................................... 8
Kesimpulan ................................................................................................................................... 8
Saran.............................................................................................................................................. 8
DAFTAR PUSTAKA ............................................................................................................................. 8
LAMPIRAN ........................................................................................................................................... 9

v

DAFTAR GAMBAR
Halaman
1
2
3
4

Metodologi sistem ............................................................................................................................. 3
Tingkat akurasi identifikasi Asterina tanpa normalisasi.................................................................... 6
Tingkat Akurasi Identifikasi dengan Normalisasi ............................................................................. 7
Tingkat Akurasi Percobaan 1 dan 2 .................................................................................................. 7
DAFTAR LAMPIRAN
Halaman

1
2
3
4
5
6
7
8
9
10
11
12
13

Tabel karakter ................................................................................................................................. 10
Kode karakter .................................................................................................................................. 12
Kode spesies .................................................................................................................................... 13
Data ciri dari Asterina ke-1-30 ........................................................................................................ 14
Data ciri dari Asterina ke-31-60 ...................................................................................................... 18
Data ciri dari Asterina ke-61-90 ...................................................................................................... 22
Data ciri dari Asterina ke-91-116 .................................................................................................... 26
Antarmuka kunci identifikasi .......................................................................................................... 30
Halaman classification .................................................................................................................... 30
Hasil identifikasi ............................................................................................................................. 31
Confusion matrix percobaan pertama .............................................................................................. 32
Nilai agregasi untuk Asterina piperina tanpa normalisasi ............................................................... 33
Nilai agregasi untuk Asterina piperina dengan normalisasi ............................................................ 34

vi

1

PENDAHULUAN

Latar belakang
Cendawan merupakan suatu kelompok
mikroorganisme yang hidup pada berbagai
sistem ekologi, misal permukaan daun.
Menurut Gandjar et al.(2006), cendawan bisa
dikelompokkan berdasarkan morfologinya,
diantaranya adalah askomiset. Asterinaceae
merupakan
askomiset
yang
hidupdi
permukaan
daun.
Asterinaceae
dapat
ditemukan pada beragam
tanaman dari
berbagai
famili.
Beberapa
anggota
Asterinaceae memiliki hifa yang berhifopodia
seperti Asterina, Asterolibertia dan Lembosia
Dalam
website
Index
Fungorum
(http://indexfungorum.org) tercatat sebanyak
1078
species
Asterina,
38species
Asterolibertia dan 241 spesies Lembosia.
Rahayu (1992) telah mendeskripsikan 90
spesies Asterina, 4 spesies Lembosia dan 1
spesies Asterolibertia asal Australia. Spesiesspesies ini dibangun berdasarkan 116ciri
morfologinya. Tersedianya data spesies ini,
belum dilengkapi oleh kunci identifikasi yang
interaktif dan berbasis web. Oleh sebab itu,
membangun kunci interaktif yang berbasis
web sangat diperlukan.
Asterinaceae memiliki ciri morfologi yang
dapat dikelompokkan menjadi ciri koloni,
hifa, hifopodia, askus dan ciri askospora.
Asterinaceae adalah cendawan filosfer
sehinggakarakter
morfologi
tertentu
dipengaruhi oleh habitatnya, sedangkan
karakter lain tidak dipengaruhi oleh habitatnya
sehingga stabilitas tingkat karakter juga
berbeda. Pada suatu spesies, beberapa cirri
morfologi itu terkadang sama dengan spesies
lain. Sebaliknya beberapa ciri berbeda dari ciri
spesies
lainnya.
Berdasarkan
tingkat
kesamaannya, spesies-spesies itu sering
dinyatakan berdekatan atau berkerabat.
Kekerabatan ini dapat menjadi dasar bagi
pembentukan sistem identifikasi spesies dari
Asterinaceae. Sistem identifikasi diharapkan
mampu mengenali spesies Asterinaceae.
Sistem identifikasi Asterinaceae yang akan
dibangun dalam bentuk interaktif berbasis
web. Web Asterinaceae ini juga diharapkan
mampu menghimpun para peneliti yang ada di
berbagai negara dan memudahkan berbagi
informasi mengenai Asterinaceae.
Salah satu metode yang dapat digunakan
untuk membangun model klasifikasi untuk
mengidentifikasi
Asterinaceae
adalah
perhitungan k-Nearest Neighbour (KNN) dari

ciri-cirinya. Metode KNN merupakan metode
yang sangat sederhana karena metode dengan
menghitung ukuran kesamaan (dalam hal ini
adalah fungsi jarak) (Sayad 2010). Jarak
antara dua spesies yang terkecil merupakan
jarak yang menentukan simpul pertama
kekerabatan. Kemudian, model diuji dengan
menggunakan data uji. Jarak terkecil antara
data latih dan data uji akan menjadi
kesimpulan dari identifikasi.
Tujuan
Tujuan dari penelitian ini adalah untuk
membangun sistem identifikasi Asterinaceae
berhifopodia asal Australia berdasarkan
perhitungan KNN dalam bentuk web
interaktif.
Ruang lingkup
Ruang lingkup penelitian ini meliputi:
1 Data yang digunakan dalam penelitian ini
adalah data mentah dari hasil penelitian
Dr. Gayuh Rahayu, Departemen Biologi,
Fakultas
Matematika
dan
Ilmu
Pengetahuan Alam, Institut Pertanian
Bogor.
2 Data terdiri atas 135 data spesimen dari 42
species Asterinaceae berhifopodia dan
masing-masing spesies memiliki 116
ciri/karakter.
3 Perhitungan nilai KNN
Manfaat
Manfaat dari penelitian ini adalah
menyediakan alat bantu identifikasi spesimenspesimen cendawan yang termasuk kelompok
Asterinaceae berhifopodia.
TINJAUAN PUSTAKA
Cendawan
Menurut Alexopoulos et al.(1996),
cendawan adalah suatu kelompok organisme
yang memiliki hifa atau bersel tunggal dengan
dinding sel yang mengandung khitin dan
selulose, tidak mempunyai klorofil dan
berkembang biak dengan spora. Cendawan
tidak mempunyai batang, daun, akar dan
sistem pembuluh seperti pada tumbuhan
tingkat tinggi. Umumnya struktur somatik
cendawan berbentuk benang, bersel banyak
dan semua bagian cendawan tersebut memiliki
potensi untuk tumbuh. Hifa memiliki lebar
antara 0,5-100 mikron atau lebih.
Cendawan
bersifat
heterotrof
(Alexopoulos
et
al.
1996),
karena
menggunakan bahan organik yang sudah
tersedia sebagai sumber energi. Bahan organik

2

yang digunakan dapat berupa bahan organik
mati (saprotrof) atau bahan organik hidup
(simbiosis). Cendawan yang menggunakan
bahan organik hidup harus menumpang
padainang. Inang untuk cendawan dapat
berupa
tumbuhan,
hewan,
dan
mikroorganisme lainnya termasuk cendawan
(Alexopoulos et al. 1996).
Asterinaceae Berhifopodia
Asterinaceae adalah salah satu famili dari
Dothideomycetales,
Dothideomycetes.
Ascomycota
(http://indexfungorum.org).
Asterinaceae ditandai dengan hidup pada
permukaan daun, dengan koloni yang
dibangun dari jaring-jaring miselium berseptat
dan kecoklatan.
Miseliumnya ada yang
memiliki
hifopodia.
Tireotesiumnya
berbentuk orbicular sampai linear tersebar
dalam koloni, dan terbuka dengan celah ke
segala arah atau celah longitudinal. Askusnya
berbentuk
oval
sampai
menggada,
ekstenditunika dan mengandung 4 askopora.
Askosporanya satu atau dua sel dan berwarna
coklat (Rahayu 1992).
Klasifikasi
Klasifikasi merupakan proses untuk
menemukan model atau fungsi yang
membedakan suatu kelompok benda dari
kelompok benda lainnya berdasarkan ciricirinya pada kelompok itu. Kelompok ini
dapat diberi label. Dari klasifikasi ini, suatu
kelompok benda yang belum diketahui
labelnya, dapat dikenali atau diberi label yang
sesuai. Pelabelan benda tadi dilakukan
berdasarkan kesamaan karakteristik antara
sekumpulan benda dengan benda yang
berlabel tersebut.
Secara umum, proses klasifikasi dapat
dilakukan dalam dua tahap, yaitu proses
belajar dari data pelatihan dan klasifikasi
kasus baru. Pada proses belajar, algoritme
klasifikasi mengolah data latih untuk
menghasilkan sebuah model. Setelah model
diuji dan dapat diterima, pada tahap
klasifikasi, model tersebut digunakan untuk
memprediksi label dari kasus baru untuk
membantu proses pengambilan keputusan
(Han dan Kamber 2001). Beberapa metode
klasifikasi, di antaranya adalah pohon
keputusan, Bayesian, KNN dan jaringan saraf.

Normalisasi
Pada perhitungan jarak Euclidean, atribut
yang menyatakan skala panjang mempunyai
pengaruh lebih besar daripada atribut berskala
pendek. Contohnya ukuran data numerik
mempunyai perbedaan antar atribut yang
sangat besar, sehingga dilakukan normalisasi
(Larose 2005). Salah satu metode normalisasi
adalah
min-max
normalization
yang
diterapkan dalam jenis data numerik. Rumus
untuk normalisasi X adalah:

Nilai X*adalah nilai setelah normalisasi,
min (x) adalah nilai terkecil dalam suatu ciri
(x), dan min (x) adalah nilai maksimum dalam
suatu ciri (x).
K-Nearest Neighbour (KNN)
Algoritme k-Nearest Neighbour adalah
sebuah metode klasifikasi terhadap objek
berdasarkan data pembelajaran yang jaraknya
paling dekat dengan objek tersebut. Jarak
paling dekat adalah ukuran jarak terkecil
antara data latih dan data uji. KNN termasuk
algoritme supervised learning. Hasil dari
query instance yang baru diklasifikasikan
berdasarkan mayoritas dari kategori pada
KNN, sehingga kelas yang terbanyak menjadi
kelas hasil klasifikasi (Teknomo 2006a).
Tujuan dari KNN adalah mengklasifikasikan objek berdasarkan ciri dan data latih.
KNN tidak membentuk sebuah model untuk
pengenalan terhadap kelompok baru, namun
menentukan jarak titik query yang dekat
dengan k tetangga (data latih). Penentuan
jarak tersebut adalah dengan menghitung
ukuran jarak kedekatan antara titik query (data
uji) dan data latih.
KNN dapat mengolah beberapa jenis data,
diantaranya data numerik dan nominal. Data
numerik adalah data yang dinyatakan dalam
besaran numerik (angka). Jarak pada data
numerik dihitung dengan rumus fungsi
Euclidean sebagai berikut (Nurjayanti 2011).

x = x1, x2, …., xn menyatakan data uji, y =
y1, y2, .., yn menyatakan data latih. xi – yi
adalah selisih data uji dengan data latih.
Data nominal disebut juga sebagai data
kategorik.
Data
kategorik
dapat

3

direpresentasikan dalam angka tetapi tidak
mempunyai urutan atau makna matematis.
Fungsi jarak Euclidean tidak tepat untuk jenis
data nominal. Fungsi jarak yang digunakan
untuk data nominal adalah menggunakan
fungsi Hamming. Fungsi jarak Hamming
dihitung dengan menggunakan rumus berikut
(Teknomo 2006b),
di =
jika data latih sama dengan data uji, maka
jaraknya adalah nol, selainnya jaraknya adalah
1.
Kedua fungsi jarak tersebut digunakan
untuk membandingkan kedekatan data uji dan
data latih. Untuk menggabungkan jarak semua
variabel (data nominal dan data numerik)
dilakukan penggabungan kesamaan bobot
rata-rata dari jarak masing-masing ciri dengan
menggunakan rumus sebagai berikut:

Tahapan
yang
dilakukan
dalam
pengembangan sistem ditunjukkan pada
Gambar 1.
1 Identifikasi Masalah
Tahapan yang pertama sekali dilakukan
adalah identifikasi masalah. Tahapan ini
mencakup permasalahan yang ada, penentuan
tujuan sistem dan sumber pengetahuan.
Permasalahan adalah sulitnya menentukan
nama suatu spesimen dari Asterinaceae karena
banyaknya kemiripan pada deskripsi spesiesspesiesnya. Untuk memudahkan pemberian
nama, model identifikasi Asterinaceae perlu
dibangun, sehingga tujuan membangun sistem
identifikasi ini adalah menyediakan alat bantu
identifikasi
spesimen-spesimen
yang
tergolong Asterinaceae dan menghimpun para
peneliti Asterinaceae di dunia berbagi
informasi mengenai Asterinaceae. Sumber
pengetahuan tentang Asterinaceae diperoleh
langsung dari peneliti.
2 Pengumpulan Data

dengan k: variabel ciri, ij: selisih data latih dan
data uji, Sijk: kesamaan antara objek dan Wij:
pembobotan untuk jenis data (antara 0 dan 1) .
Namun nilai Wij dapat berubah-ubah
bergantung pada kisaran nilai datanya. Salah
satu contoh pembobotan adalah jika satu
variabel memiliki satuan unit ‘ton/meter
kubik’ dan variabel lainnya adalah ‘kg/meter
kubik’, bobot 1/1000 diharapkan akan
diberikan untuk memberikan satuan yang
sama
untuk
kedua
variabel/jenis
data(Teknomo 2006b).
METODE PENELITIAN

Data yang digunakan pada penelitian ini
merupakan hasil penelitian Gayuh Rahayu
dari Departemen Biologi, Fakultas Ilmu
Pengetahuan Alam, Institut Pertanian Bogor.
Data ini merupakan sekumpulan data dari 42
spesimen Asterinaceae asal Australia.
Spesimen ini ditemukan pada pohon hutan
yang termasuk dalam ordo Magnoliales,
Piperales, Proteales, Ranunculales, Rosales,
Rutales,
Santales,
Saxifragales,
Scophulariales,
Theales,
Thymeleales,
Urticales dan Violales. Setiap spesies
memiliki 116 ciri. Ciri ini dipergunakan
untuk
membangun
kunci
identifikasi
Asterinaceae.
3 Praproses Data

Gambar 1 Metodologi sistem

Praproses data adalah tahapan yang
dilakukan
untuk
memisahkan
data
berdasarkan jenis datanya. Dalam penelitian
ini terdapat 2 jenis data, yaitu data nominal
dan data numerik. Dari 116 ciri, sebanyak
104 ciri merupakan data nominal dan 12 ciri
adalah data numerik. Dalam metode KNN,
perhitungan fungsi jarak untuk kedua jenis
data tersebut berbeda. Jarak antara data
nominal dihitung dengan fungsi jarak
Hamming, sedangkan data numerik dihitung
dengan fungsi jarak Euclidean. Dalam tahapan
praproses juga dilakukan normalisasi pada
data numerik agar diperoleh kisaran antara nol
dan satu. Hal ini dilakukan agar menghindari
perbedaan jarak yang terlalu besar diantara
data numerik.

4

4 Penentuan Data Latih dan Data Uji
Dari 135 data spesimen, sebanyak 93 data
spesimen dijadikan data latih dan sisanya
sejumlah 42 data spesimen dijadikan data uji.
5 Klasifikasi dengan KNN
Metode klasifikasi yang akan digunakan
adalah metode KNN. Metode KNN adalah
mencari jarak terdekat antara data latih
dengan data uji (data yang akan dievaluasi)
dengan data k tetangga (neighbour) dalam
data latih.
6 Model Identifikasi Asterinaceae Berhifopodia
Tahapan ini merupakan penerapan metode
klasifikasi (KNN) sehingga menghasilkan
sebuah model identifikasi. Langkah-langkah
untuk menghasilkan model identifikasi
adalah:
1 Menghitung jarak Euclidean
Jenis
data
numerik
yang
sudah
dinormalisasi dapat langsung dihitung
jaraknya dengan menggunakan fungsi jarak
Euclidean. Data latih dan data uji yang
tergolong data numerik dihitung ukuran
kesamaannya. Ukuran kesamaan antara data
latih dan data uji dipakai untuk membuat
model identifikasi Asterinaceae berhifopodia.
2 Mengitung jarak nominal
Data
nominal
yang
sudah
direpresentasikan dalam angka dihitung
ukuran kemiripan / kesamaan antara data latih
dan data uji berdasarkan fungsi jarak
Hamming. Dengan fungsi jarak Hamming
akan diperoleh ukuran jarak nominal antara
data latih dan data uji.
3 Menggabungkan dua jenis jarak data yang
berbeda
Pada saat penggabungan, bobot diberikan
pada masing-masing jarak nominal atau
Euclidean. Bobot yang diberikan dikalikan
dengan
nilai
kemiripannya
dibagi
pembobotan. Hasil jarak Euclidean dan jarak
nominal yang sudah diberi bobot digabungkan
untuk memperoleh total keseluruhan ukuran
kemiripan antara data latih dan data uji.
Penggabungan dilakukan dengan langsung
menambahkan kedua nilai jarak nominal dan
numerik yang sudah sebelumnya dikalikan
dengan bobot yang sudah ditentukan. Nilai
terkecil
dipilih
dari
sebagai
hasil
penggabungan. Pemilihan nilai terkecil adalah

menunjukkan hubungan kedekatan
antara data latih dan data uji.

jarak

4 Penentuan nilai k tetangga
Nilai k pada metode k-Nearest Neighbour
adalah banyaknya tetangga yang terpilih yang
mempunyai nilai kesamaan terkecil setelah
digabungkan, k yang dipilih adalah 1.
7 Hasil Prediksi
Hasil pencocokan data uji dengan model
dilakukan untuk menampilkan hasil dari
identifikasi. Selanjutnya hasil pencocokan
juga dihitung tingkat akurasinya untuk proses
dokumentasi. Tingkat akurasi dihitung dengan
cara bantuan tabel confusion matriks:

Tingkat akurasi menunjukkan tingkat
kebenaran identifikasi terhadap label yang
sebenarnya. Semakin rendah nilai akurasi
maka semakin tinggi kesalahan identifikasi.
Spesifikasi Implementasi
Aplikasi yang digunakan pada penelitian
ini dibangun dengan menggunakan perangkat
keras dan perangkat lunak dengan spesifikasi
sebagai berikut:
Spesifikasi perangkat keras berupa:
1 Processor Intel Pentium Core 2 Duo2.2
GHz
2 RAM kapasitas 2 Gb
3 Harddisk kapasitas 320 GB
4 Monitor pada resolusi 1024×768pixels
5 Keyboard dan Mouse
Perangkat lunak berupa :
1 Sistem Operasi: Microsoft Windows XP
2 XAMPP 1.7.1 yang terdiri atas
WebServerApache 2.2.11
3 Bahasa Pemrograman: PHP 5.0
4 Browser: Mozilla Firefox 5.0
5 Adobe Dreamweaver CS 3
6 Code Igniter Versi 2.03
HASIL DAN PEMBAHASAN
Deskripsi Data
Dalam penelitian ini, 116 ciri pembeda
antara spesies dan direpresentansikan dengan
kode tertentu (Lampiran 1). Ciri yang bersifat
kategorik/nominal direpresentasikan dalam
angka. Misalnya,colonies terdiri atas 4
kategori yaitu, occurances, distribution,
outline dan size. Occurances terdiri atas 3
subkategori yaitu, epigenous, hypogenous, dan

5

keduanya. Sub-kategori ini dikodekan dengan
1 atau 0, artinya 1 merepresentasikan present
(ada), dan 0 merepresentasikan absent (tidak
ada). Apabila karakter/ciri tidak terdeteksi,
maka karakter akan diberi nilai -1, namun
dalam teknisnya nilai -1 diganti jadi 0,
sehingga nilai terkecil bukan -1, tetapi 0.
Kode -1 diubah menjadi 0 karena dalam
perhitungan jarak sulit didasarkan pada
bilangan yang bertanda negatif. Pengubahan
kode ‘not seen/tidak terdeteksi’ dari -1
menjadi 0 bukan data. Contoh pada data
numerik, ukuran dari ciri lebar hifa yang tidak
bisa dideteksi, nilainya ditetapkan menjadi 0.
Karakter (Lampiran 1) dengan data
nominal, present dikodekan ‘1’, namun dalam
teknisnya dari present tersebut bukan dihitung
’1’ tetapi diubah menjadi 2. Pengubahan kode
ini untuk menyesuaikan dengan perubahan -1
menjadi 0. Oleh karena itu, nilai tertinggi
untuk ciri colonies adalah 2, present
dikodekan oleh 2, absent adalah 1 dannot
seen/tidak terdeteksi adalah 0. Karakter juga
diberi kode agar menyingkat penulisan nama
karakter (Lampiran 2). Sama halnya dengan
kelas/spesies dibuat dalam bentuk kode kelas
(Lampiran 3). Perubahan kode ini telah
dilakukan pada semua ciri (Lampiran 4 - 7).
Contohnya data dari A. Piperina yaitu
epygenouspresent,
hypogenous
present,
distributionsingular dan confluent present,
outlinesorbicularabsent,
irregulerpresent
diameternya sebesar 2 mm, direpresentasikan
dengan2,2,2,2,1,2,2.
Praproses Data
Tahapan praproses data adalah tahapan
penyiapan data sebelum masuk ke dalam
tahapan klasifikasi. Data dari 116 ciri, terdiri
atas 104 data nominal dan 12 data numerik
(Lampiran 1). Data numerik meliputi data
yang menyatakan size/ukuran dan satuan
nilainya adalah dalam milli meter (mm) dan
mikro meter (µm). Data numerik dinyatakan
dalam besaran nilai yang memiliki arti
matematis. Jadi data numerik memiliki arti
yang berbeda dari data nominal. Kisaran data
nominal dari ini adalah (0 sampai 4 atau 0
sampai 2).
Dalam tahapan praposes juga dilakukan
normalisasi data. Normalisasi dilakukan agar
kisaran nilai antara ciri tidak timpang.
Normalisasi yang dilakukan bergantung jenis
datanya. Dalam penelitian ini, normalisasi
hanya dilakukan untuk jenis data numerik
untuk menyamakan kisaran ciri sebelum
masuk ke tahapan klasifikasi. Normalisasi

dilakukan untuk mendapatkan kisaran antara
0-1 pada data numerik yaitu dengan
menggunakan min-max normalization. Contoh
cara menghitung normalisasi pada salah satu
karakter size colonies adalah mencari nilai
maksimum dari 1 karakter (subset) adalah 10
dan nilai minimum (terkecil) dari subset
adalah 0, dan nilai di baris pertama 4, maka
hasil normalisasinya adalah:

Proses Klasifikasi
Apabila pada tahapan praproses, data
nominal sudah direpresentasikan dalam angka,
dan data numerik sudah dinormalisasi maka
selanjutnya masuk ke tahapan proses
klasifikasi. Proses klasifikasi menggunakan kNearest Neighbour melalui tahapan sesuai
dengan metode dengan formula yang telah
ditulis dalam tinjauan pustaka.
Kunci
Identifikasi
Asterinaceae
Berhifopodia Interaktif Berbasis Web
Kunci identifikasi dibuat berdasarkan data
morfologi dalam bentuk web dengan antar
muka (Lampiran 8). Web identifikasi
semacam ini telah dibuat untuk kelompok
cendawan
yaitu
mycokey
(www.mycokey.org) dan Trichoderma yang
berada
dalam
Trichokey
).Web lainnya
(
kebanyakan
dibuat
berdasarkan
data
molekuler.
Pada halaman ‘home’ ada 3 navigasi, yaitu
what is Asterinaceae, method of classification
dan how to use. Ketiga navigasi tersebut
dibuat untuk memudahkan pengguna dalam
penggunaan sistem identifikasi. Navigasi
‘what is Asterinaceae’ adalah halaman yang
berisi gambaran umum yang berisi informasi
Asterinaceae dan genus kerabatnya. Navigasi
‘method of classification’ adalah halaman
yang menjelaskan metode pembuatan sistem
identifikasi berdasarkan proses klasifikasi,
sedangkan navigasi ‘How to use’ adalah
halaman yang berisi tata cara penggunaan
kunci identifikasi Asterina.
Apabila pengguna ingin melakukan
pencarian nama spesies yang diinginkan,
maka pengguna bisa masuk ke halaman
‘classification’.
Halaman
classification
(Lampiran 9) merupakan sistem yang
digunakan untuk mengidentifikasi 42 spesies
Asterinaceae berhifopodia asal Australia.
Dalam halaman ini akan ditemukan sebanyak

6

116 pertanyaan/asupan pengguna tentang
informasi mengenai karakter spesimen. Hasil
pengujian akan menghasilkan 1 keluaran,
karena k yang dipilih adalah 1. Hasil
identifikasi oleh sistem (Lampiran 10) muncul
setelah pengolahan data selesai.
Hasil Pengujian
Secara
keseluruhan,
penelitian
ini
didasarkan pada 135 data spesimen dari 42
spesies Asterinaceae (Lampiran 4– 7). Data
latih yang dipakai adalah sebanyak 93 data
spesimen, sedangkan data uji adalah sebanyak
42 spesimen. Satu data spesimen mewakili
satu spesies. Data spesimen perwakilan
spesies dipilih secara acak dan manual dari
135 data spesimen yang ada. Data uji diuji
cobakan terhadap sistem dengan 2 cara, yaitu
uji coba dengan normalisasi dan tanpa
normalisasi data numerik.
Percobaan 1 (tanpa Normalisasi)
Pada percobaan ini data numerik tidak
dinormalisasi terlebih dahulu. Data uji
diterapkan
dalam
metode
k-Nearest
Neighbour melalui tahap berikut:
1 Menghitung jarak Eucledian dan jarak
nominal data uji terhadap data latih pada
setiap data spesimen sesuai dengan jenis
datanya. Pada jarak nominal, apabila nilai
data uji sama dengan data latih, maka jarak
nominalnya adalah 0, dan sebaliknya
apabila berbeda maka bernilai 1.
2 Penggabungan hasil jarak Euclidean dan
jarak nominal dengan menggunakan rumus
penggabungan dengan pembobotan. Besar

bobot tidak tetap bergantung kepentingan
ciri pada spesies. Dalam penelitian ini,
nilai bobot yang diberikan yaitu 1, karena
nilai jarak nominal dan jarak Euclidean
tidak ada yang dominan. Penggabungan
kedua jarak adalah jarak pada data
numerik ditambah dengan jarak data
nominal.
3 Penentuan nilai k = 1. Nilai k langsung
ditetapkan = 1.
Hasil pengujian pada percobaan pertama
ini dirangkum dalam tabel confusion matrix
(Lampiran 11). Dari hasil pengujian ini
terdapat 9 data yang tidak tepat
identifikasinya yaitu data spesimen A.
correicola
var.correicola
diidentifikasi
menjadi A. phaleriae, A.correicola var.
queenslandica teridentifikasi menjadi A.
eudiae, A.citriobati diidentifikasi sebagai A.
orites, A. carbonaceae var. acanthopoda
diidentifikasi
sebagai
A.
randiae
benthamianae,
A.
carbonaceae
var.
oppositipodia diidentifikasi sebagai
A.
styracina, A. australiensis dideterminasi
menjadi A. drimidicola, spesimen A.
drimidicola diidentifikasi sebagai A. decora,
A. oppositipodia diidentifikasi sebagai A.
drimidicola dan A. litseae dideterminasi
sebagai A. clematidis oleh sistem. Kesalahan
identifikasi ini disebabkan oleh adanya
kisaran nilai yang cukup signifikan dari ciri
X111 dan X112, berturut-turut adalah panjang
dan lebar tiriotesia (thyriothecial length dan
thyriothecial width). Kesalahan identifikasi ini
juga didukung oleh tingkat akurasi yang
rendah (Gambar 2).

Gambar 2 Tingkat akurasi identifikasi Asterina tanpa normalisasi

7

Berdasarkan rumus confusion matrix,
besarnya akurasi keseluruhan untuk data uji
sebanyak 42 data spesimen dari 42 spesies,
tanpa normalisasi pada data numerik adalah
sebesar:

hal ini menunjukan bahwa normalisasi perlu
dilakukan untuk nilai yang kisarannya sangat
besar
Pengujian dengan Normalisasi
Normalisasi dilakukan terhadap data
numerik sebelum jarak kesamaan/kedekatan
antara data uji dengan data latih dihitung.
Data uji diterapkan dalam metode k-Nearest
Neighbour melalui tahapan berikut :
1 Normalisasi pada data numerik hingga
data akhir berada pada kisaran antara 0
sampai 1. Setelah normalisasi, langkah
selanjutnya sama seperti langkah satu pada
pengujian tanpa normalisasi.

2 Penggabungan hasil jarak Euclidean
dengan jarak nominal. Langkah ini juga
sama seperti langkah kedua pada
pengujian tanpa normalisasi, yaitu jarak
Euclidean yang sudah dinormalisasi
digabungkan dengan nilai jarak nominal.
3 Penentuan nilai k tetangga terdekat = 1.
Hasil dari k tetangga terdekat ini adalah
tetangga dengan nilai gabungan terkecil.
Hasil yang diperoleh adalah semua spesies
tepat teridentifikasi. Hasil pengujian ini
membuktikan bahwa normalisasi juga
mempengaruhi hasil identifikasi, sehingga
dalam uji ini diperoleh akurasi sebesar 100%
(Gambar 6). Tingkat akurasi pada data yang
dinormalisasi lebih tinggi daripada data tanpa
normalisasi (Gambar 7). Namun demikian,
jarak kesamaan data uji dengan data latih yang
sudah diagregasi tetap bervariasi (Lampiran 9
dan 10).

Gambar 3 Tingkat akurasi identifikasi dengan normalisasi

Gambar 4 Tingkat akurasi percobaan 1 dan 2

8

KESIMPULAN DAN SARAN
Kesimpulan
Dari uji k-Nearest Neighbour data
Asterinaceae diperoleh kesimpulan sebagai
berikut:
1 Metode k-Nearest Neighbour mampu
menghasilkan sistem identifikasi pada
Asterinaceae.
2 Sebanyak 42 data spesimen dari 42 spesies
sebagai data uji menunjukkan akurasi
identifikasi
sebesar
100%
melalui
normalisasi pada data numerik, sedangkan
tanpa normalisasi diperoleh akurasi
sebesar 78%.
3 Jumlah dan pemilihan data mempengaruhi
hasil klasifikasi.
Saran
Penelitian ini masih memiliki banyak
kekurangan perlu diperbaiki pada penelitian
selanjutnya, yaitu:
1 Masih ada 59 spesies lagi yang belum bisa
diikut sertakan kedalam kelas klasifikasi
karena masih proses pengumpulan data
mentahnya, sehingga semakin banyak dan
beragam data mentah, maka hasil
identifikasi lebih bagus.
2 Jumlah masukan pengguna diperkecil pada
sistem dengan cara mencari fitur
terpenting dalam karakter Asterinaceae.

DAFTAR PUSTAKA
Alexopoulos JA, Mims CW, Blackwell M.
1996. Introductory Mycology. New York
(US): John Wiley & Sons Inc
Gandjar I, Sjamsuridzal W, Oetari A. 2006.
Mikologi: Dasar dan Terapan. Jakarta
(ID): Yayasan Obor Indonesia.
Han J, Kamber M. 2001. Data Mining
Concepts & Techniques. Urbana (US):
Academic Press.
Larose DT. 2005. Discovering Knowledge in
Data: An Introduction to Data Mining.
New Jersey (US). John Wiley & Sons, Inc.
Nurjayanti B.
2011. Identifikasi Shorea
menggunakan
K-nearest
neighbor
berdasarkan karakteristik morfologi daun
[Skripsi]. Bogor (ID): Ilmu Pengetahuan
Alam, Institut Pertanian Bogor.
Rahayu G. 1992. Australian hyphopodiate
Asterinaceae: a taxonomic revision

[disertasi]. Armidale: (AU) The University
of New England.
Sayad S. 2010. K Nearest Neighbors–
Classification
[Internet].
http://www.saedsayad.com/k_nearest_neig
hbors.htm [12 Apr 2012]
Teknomo K. 2006a. Similarity Measurement
[Internet].
http://people.revoledu.com/kardi/tutorial/S
imilarity/index.html [9 Apr 2012]
Teknomo K. 2006b. Hamming Distance
[Internet].
http://people.revoledu.com/kardi/tutorial/si
milarity/HammingDistance.html [9 Apr
2012]

LAMPIRAN

10

Lampiran 1 Tabel karakter
Tabel Karakter / List Of Character, State and Coding
Colonies
Occurance
Distribution
Outline
Size

1. epigenous :

present(1), absent(0)

2. hypogenous :

present(1), absent(0)

3. singular :

present(1), absent(0)

4. confluent :

present(1), absent(0)

5. orbicular :

present(1), absent(0)

6. irregular :

present(1), absent(0)

7.diameter :

quantitative continuous (mm)

Hyphae
Colour

8. light brown:

present(1), absent(0)

9. brown :

present(1), absent(0)

10. dark brown :

present(1), absent(0)

Distribution

11. straight:

present(1), absent(0)

12. flexuous :

present(1), absent(0)

Width

13. quantitative continuous :

(µm)

Septation

14. distinct (2), indistinct (1)

Branching density

15. numerous (2), rare (1)

Arrangement

16. unilateral

more(4), moderate (3), less(2), no(1)

17. alternate

more(4), moderate (3), less(2), no(1)

18. opposite to another branch

more(4), moderate (3), less(2), no(1)

19. opposite to hyphopodia

more(4), moderate (3), less(2), no(1)

Angles

20. wide :

present(1), absent(0)

21. acute :

present(1), absent(0)

Network

22. loose

present(1), absent(0)

23. close

present(1), absent(0)

Hyphopodia
Density

24. more(4), moderate (3), less(2), no(1)

Distribution

25. regular(1), irregular(0)

Location

26. midle :

Colour
Arrangement

present(1), absent(0)

27. distal :

present(1), absent(0)

28. intercalary :

present(1), absent(0)

29. darker than hyphae(1), similar to hyphae(0)
30.cluster:

more(4), moderate (3), less(2), no(1)

31. unilateral

more(4), moderate (3), less(2), no(1)

32. alternate

more(4), moderate (3), less(2), no(1)

33. opposite

more(4), moderate (3), less(2), no(1)

34. no septate

more(4), moderate (3), less(2), no(1)

35. 1-septate

more(4), moderate (3), less(2), no(1)

36. 2-septate

more(4), moderate (3), less(2), no(1)

Stigmatopodia
Shape
Size

37. cylindrical(1), not cylindrical(0)
38. length :

quantitative continuous (µm)

39. width :

quantitative continuous (µm)

Stigmatocyst
Gross shape

Outlines

Size

40. uniform(1), versiform(0)
41. hemispherical :

more(4), moderate (3), less(2), no(1)

42. ovate :

more(4), moderate (3), less(2), no(1)

43. cylindrical :

more(4), moderate (3), less(2), no(1)

44. vermiform :

more(4), moderate (3), less(2), no(1)

45. ampulliform :

more(4), moderate (3), less(2), no(1)

46. conical :

more(4), moderate (3), less(2), no(1)

47. bifid or tifid :

more(4), moderate (3), less(2), no(1)

48. entire :

more(4), moderate (3), less(2), no(1)

49. sinuous :

more(4), moderate (3), less(2), no(1)

50. lobate :

more(4), moderate (3), less(2), no(1)

51. deeply lobate :

more(4), moderate (3), less(2), no(1)

52. length :

quantitative continuous (mm)

53. width :

quantitative continuous (mm)

11

Lampiran 1 Tabel karakter (Lanjutan)
Tabel Karakter / List Of Character, State and Coding
Tip direction

54. straight

more(4), moderate (3), less(2), no(1)

55. reflex

more(4), moderate (3), less(2), no(1)

56. antrorse

more(4), moderate (3), less(2), no(1)

57. subantrorse

more(4), moderate (3), less(2), no(1)

58. curved

more(4), moderate (3), less(2), no(1)

59.lateral on 1 side :

present(1), absent(0)

Thyriothecia
Initial

Thickness

Outlines

60.lateral on 2 side :

present(1), absent(0)

61.terminal on stalk :

present(1), absent(0)

62.flat :

present(1), absent(0)

63.sligthly convex:

present(1), absent(0)

64.moderately convex

present(1), absent(0)

65. strongly convex

present(1), absent(0)

66. orbicular

present(1), absent(0)

67. ellipsoid

present(1), absent(0)

68. linear

present(1), absent(0)

69. X or Y

present(1), absent(0)

Size

70. length :

quantitative continuous (µm)

71. width :

quantitative continuous (µm)

Margins

72. crenate

present(1), absent(0)

73.fimbriate,short,loose

present(1), absent(0)

74.fimbriate,short,close

present(1), absent(0)

75.fimbriate,long,loose

present(1), absent(0)

76.fimbriate,long,close

present(1), absent(0)

Cover wall

77.straight

present(1), absent(0)

78.flexuous

present(1), absent(0)

Cell wall

79.isodiametric

present(1), absent(0)

80. rectangular

present(1), absent(0)

Opening

81. stellate cracks

present(1), absent(0)

82. longitudinal slit

present(1), absent(0)

Basal wall

83. cell disintegration

present(1), absent(0)

84. radiate

present(1), absent(0)

Asci
Number

85. numerous=2, few=1

Shape

86. ovate :

present(1), absent(0)

87. clavate:

present(1), absent(0)

70. length :

quantitative continuous (µm)

Size
Number of

71. width :

quantitative continuous (µm)

90. ascopores

8-spored only(1), 8-spored and less(0)

91. hamathecia :

present(1), absent(0)

92. conglobate :

present(1), absent(0)

Ascopores
Arrangement
Colour

Constriction

Cell apices

Cell collapsed

93. seriate :

present(1), absent(0)

94. pale brown :

present(1), absent(0)

95. brown :

present(1), absent(0)

96. dark brown :

present(1), absent(0)

97. slightly :

yes(1), no(0)

98. moderately :

yes(1), no(0)

99. strongly :

yes(1), no(0)

100. round :

on both apices(3), one apex(2), no(1)

101. gradually attenuated

on both apices(3), one apex(2), no(1)

102. bent :

on both apices(3), one apex(2), no(1)

103. present(1), absent(0)

Cell equality

104. present(1), absent(0)

Size

105. length :

Surface

Location of germination

Germform

quantitative continuous (µm)

106. width :

quantitative continuous (µm)

107. smooth

present(1), absent(0)

108. granulose

present(1), absent(0)

109. verrucose

present(1), absent(0)

110. spinulose

present(1), absent(0)

111. close to the apices

yes(1), no(0)

112. middle

yes(1), no(0)

113. close to the septum

yes(1), no(0)

114. stigmatocysts

yes(1), no(0)

115. stigmatocysts with a supporting cell yes(1), no(0)
116. primary hyphae

yes(1), no(0)

12

Lampiran 2 Kode karakter
Kode
Karakter
X1
X2
X3
X4
X5
X6
X7
X8
X9
X10
X11
X12
X13
X14
X15
X16
X17
X18
X19
X20
X21
X22
X23
X24
X25
X26
X27
X28
X29
X30
X31
X32
X33
X34
X35
X36
X37
X38
X39
X40
X41
X42
X43
X44
X45
X46
X47
X48
X49
X50
X51
X52
X53
X54
X55
X56
X57
X58
X59
X60

Nama Karakter
colonies_epigenous
colonies_hypogenous
colonies_singular
colonies_confluent
colonies_orbicular
colonies_irregular
hyphae_lightbrown
hyphae_brown
hyphae_darkbrown
hyphae_straight
hyphae_flexuous
hyphae_septation
hyphae_branchingdensity
hyphae_unilateral
hyphae_alternate
hyphae_oppositebranch
hyphae_oppositehyphopodia
hyphae_wide
hyphae_acute
hyphae_loose
hyphae_close
hyphopodia_density
hyphopodia_distribution
hyphopodia_middle
hyphopodia_distal
hyphopodia_intercalary
hyphopodia_colour
hyphopodia_cluster
hyphopodia_unilateral
hyphopodia_alternate
hyphopodia_opposite
hyphopodia_noseptate
hyphopodia_1septate
hyphopodia_2septate
stigmatopodia_shape
stigmatocysts_grossshape
stigmatocysts_hemispherical
stigmatocysts_ovate
stigmatocysts_cylindrical
stigmatocysts_vermiform
stigmatocysts_ampulliform
stigmatocysts_conical
stigmatocysts_bifid
outlines_entire
outlines_sinuous
outlines_lobate
outlines_deeplylobate
tipdirection_straight
tipdirection_reflex
tipdirection_antrorse
tipdirection_subantrorse
tipdirection_curved
lateralon_1side
lateralon_2side
Terminalonstalk
thickness_flat
thickness_slightlyconvex
thickness_moderatelyconvex
thickness_stronglyconvex
outlines_orbicular

Kode
Karakter
X61
X62
X63
X64
X65
X66
X67
X68
X69
X70
X71
X72
X73
X74
X75
X76
X77
X78
X79
X80
X81
X82
X83
X84
X85
X86
X87
X88
X89
X90
X91
X92
X93
X94
X95
X96
X97
X98
X99
X100
X101
X102
X103
X104
X105
X106
X107
X108
X109
X110
X111
X112
X113
X114
X115
X116

Nama Karakter
outlines_ellipsoid
outlines_linear
outlines_XorY
margins_crenate
fimbriate_short_loose
fimbriate_short_close
fimbriate_long_loose
fimbriate_long_close
coverwall_straight
coverwall_flexuous
cellwall_isodiametric
cellwall_rectangular
opening_stellate
opening_longitudinal
opening_celldisintegration
basalwall_radiate
asci_number
shape_ovate
shape_clavate
numberof_ascospores
numberof_hamathecia
arrangement_conglobate
arrangement_seriate
colour_palebrown
colour_brown
colour_darkbrown
constriction_slightly
constriction_moderately
constriction_strongly
apices_round
apices_gradually
apices_bent
cell_collapsed
cell_equality
surface_smooth
surface_granulose
surface_verrucose
surface_spinulose
close_to_the_apices
germination_midle
close_to_the_septum
Stigmatocysts
with_supporting_cell
primary_hyphae
colonies_size
hyphae_width
hyphopodia_length
hyphopodia_width
stigmatopodia_length
stigmatopodia_width
thyriothecia_length
thyriothecia_width
size_length
size_width
ascospores_length
ascospores_width

Keterangan : X1-X104 adalah data nominal
X105-X112 adalah data numerik

13

Lampiran 3 Kode spesies
Kode
Kelas
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
Aa
Ab
Ac
Ad
Ae
Af
Ag
Ah
Ai
Aj
Ak
Al
Am
An
Ao
Ap

Nama Spesies
A. piperina
A. orites
A. Clematidis
A. correicola var.correicola
A. correicola var.euodiae
A. correicola var.
Queenslandica
A. decora
A. eudiae
A. citriobati
A. Recisa
A. Randiae-benthamianae
Asterina sp. aff. pusilla
A. aemula var. endiandrae
A. xanthogloea
Asterolibertia diplosporae
A. carbonaceae var.
Acanthopoda
A. carbonaceae var.
Oppositipodia
A. styracina
A. argophylli
A. cuttsiae
A. xumenensis
A. diplopoda
A. phaleriae
A. celtidicola
A. sponiae
A. pouzolziae
A. undulata
A. australiensis
A. drimidicola
A. oppositipodia
A. queenslandica
L. endriandrae
A. decumana
L. capnoides
L. graphioides
A. litseae
Lembosia sp. A
A. palmeriae
A. pemphidioides
A. syzygiicola
A. pycnantini
A. doidgea

14

Lampiran 4 Data ciri dari Asterina ke-1-30
Data
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40

X1

X2
2
2
2
1
2
2
2
2
2
2
2
2
2
2
2
1
1
2
2
2
2
2
2
2
2
2
1
1
2
1
2
1
1
1
1
1
2
2
2
1

X3
2
2
2
2
2
2
2
2
2
2
2
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
1
2
2
2
2
2
1
1
1
2

X4
2
2
2
2
2
2
2
2
2
2
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
1
1
1
2
1
0
2
2
2
2
0
1
2
1

X5
2
2
2
2
2
2
2
2
2
2
2
2
1
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
0
2
2
2
2
0
2
2
2

X6
1
1
1
1
1
1
1
1
1
1
1
2
2
2
1
1
1
1
1
1
1
1
1
1
1
1
1
1
0
0
1
0
2
2
2
1
1
1
1
1

X7
2
2
2
2
2
2
2
2
2
2
2
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
0
0
2
0
2
1
1
2
2
2
2
2

X8
2
2
2
2
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
0
1
1
1
1
1
1
1
1

X9
1
1
1
1
2
2
2
1
1
1
1
2
2
2
2
2
2
1
1
1
1
1
1
1
1
1
2
2
2
2
1
0
1
1
1
1
1
1
1
1

X10
1
1
1
1
1
1
1
2
2
2
2
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
1
1
1
1
2
0
2
2
2
2
2
2
2
2

X11
1
1
1
1
2
2
2
1
1
1
1
2
2
2
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
2
0
0
0

X12
2
2
2
2
1
1
1
2
2
2
2
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
1
1
0
0
0

X13
1
1
1
1
1
1
1
1
1
1
1
2
2
2
1
1
1
1
1
1
2
2
2
1
1
1
1
1
2
1
1
1
1
1
1
1
2
0
2
0

X14
1
2
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
0
0
0
0
0
0
1
0
1
1
1
0
2
2
2
2
2
1
2
2

X15
4
4
4
3
2
3
2
4
4
3
2
3
3
4
2
3
3
2
2
2
3
2
3
3
2
2
4
0
3
3
2
4
3
2
4
4
1
0
4
0

X16
4
4
3
3
2
3
3
4
4
3
2
3
3
4
2
3
3
2
2
2
3
2
3
3
2
2
3
0
3
4
2
4
3
2
4
4
1
0
4
0

X17
2
3
2
2
2
3
2
1
4
3
2
4
4
4
3
4
4
4
3
4
3
2
3
4
3
4
1
0
0
1
1
4
3
2
4
2
4
0
1
0

X18
1
1
1
1
2
3
2
1
4
3
2
2
2
3
3
4
4
4
3
4
3
2
3
1
1
1
1
0
0
1
1
1
1
1
1
1
4
0
4
0

X19
2
2
2
2
2
2
2
2
0
0
0
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2

X20
1
1
1
1
1
1
1
1
0
0
0
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

X21
2
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
1
1
1
2
2
2
2
2
2
2
2
1
1
1
1
2
2
0
2
0

X22
1
2
2
2
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
1
1
1
1
1
1
1
1
2
2
2
2
1
1
1
1
1

X23
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
2
2
2
2
2
4
4
4
4
4
4
4
4
4

X24
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
1
1
1
1
2
2
2
2
2
2
2
2
2
2

X25
2
2
2
2
1
1
1
1
1
0
0
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
1
2
2
2
0
2
2
2
1
1
1
1
1

X26
2
2
2
2
2
2
2
2
2
0
0
2
2
2
1
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
0
2
2
2
2
2
2
2
2

X27
1
1
1
1
1
1
1
1
1
0
0
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
0
1
1
1
1
1
1
1
1

X28
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

X29
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

X30
4
3
4
4
4
3
4
4
3
2
3
3
3
3
2
2
2
3
2
2
4
3
4
4
3
4
4
3
4
3
4
3
4
3
4
4
2
4
3
3

4
3
4
4
4
3
4
3
3
2
4
3
3
3
2
2
2
3
2
2
4
3
4
4
3
3
4
3
3
4
4
3
3
4
4
4
2
4
3
3

15

Lam