Aplikasi Mobile Untuk Identifikasi Tumbuhan Obat Menggunakan Local Binary Patterndengan Klasifikasi Probabilistic Neural Network
APLIKASI MOBILE UNTUK IDENTIFIKASI TUMBUHAN
OBAT MENGGUNAKAN LOCAL BINARY PATTERN
DENGAN KLASIFIKASI PROBABILISTIC
NEURAL NETWORK
PAUZI IBRAHIM NAINGGOLAN
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2012
APLIKASI MOBILE UNTUK IDENTIFIKASI TUMBUHAN
OBAT MENGGUNAKAN LOCAL BINARY PATTERN
DENGAN KLASIFIKASI PROBABILISTIC
NEURAL NETWORK
PAUZI IBRAHIM NAINGGOLAN
Skripsi
skripsi sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer pada
Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
ALAMINSTITUT PERTANIAN BOGOR
BOGOR
2012
ABSTRACT
PAUZI IBRAHIM NAINGGOLAN. Mobile Application for Medicinal Plants Identification using
Local Binary Patterns Descriptor and Probabilistic Neural Network Method. Supervised by YENI
HERDIYENI.
This research proposed a new mobile application for medicinal plants identification. Local
Binary Pattern (LBP) is used to extract image features and Probabilistic Neural Network (PNN) is
used to classify medicinal plants on mobile phone. LBPriu2
P,R was used as LBP descriptor in this
research, which uses rotation invariant and uniform patterns of image texture. The aim of this
research was to implement this application in open source Android 2.3 (Gingerbread) operating
system. The data used is the medicinal leaf image from Botanical Garden, Bogor Indonesia which
consist of 15 species with 10 variations for each species. The experiment showed that the accuracy
of identifications is 31.11% and the computation time is 50.02 seconds.The experimental result
show the accuracy is still low, so this research need to be explored further to improve the accuracy.
This new mobile application is useful to help user in plant identification.
Keywords: Android, LBP, medicinal plant, mobile application, PNN.
Judul Skripsi : Aplikasi Mobile Untuk Identifikasi Tumbuhan Obat Menggunakan Local Binary
Patterndengan Klasifikasi Probabilistic Neural Network
Nama
: Pauzi Ibrahim Nainggolan
NRP
: G64061815
Disetujui:
Pembimbing
Dr. Yeni Herdiyeni, S.Si., M.Kom.
NIP 19750923 200012 2 001
Diketahui:
Ketua Departeman Ilmu Komputer
Dr.Ir. Agus Buono, M.Si, M.Kom
NIP 19660702 199302 1 001
Tanggal Lulus:
PRAKATA
Alhamdulillahi Rabbil’ alamin, segala puji dan syukur penulis panjatkan kepada Allah
Subhanallah Wata’alaatas limpahan rahmat dan hidayah-Nya, sehingga penulis dapat
menyelesaikan tugas akhir yang berjudul“Aplikasi Mobile Untuk Identifikasi Tumbuhan Obat
Menggunakan Local Binary Pattern dengan Klasifikasi Probabilistic Neural Network” dengan
lancar dan baik. Penelitian ini dilaksanakan mulai Januari 2012 sampai dengan Maret 2012,
bertempat di Departemen Ilmu Komputer.
Penulis juga menyampaikan ucapan terima kasih kepada:
1 Ayah Dr. H. Hamonangan Nainggolan M.Sc, Ibu Jusridawati Situmeang, dan kakak-adik
tercinta, Yasser Hudan Nainggolan SE AK, Sarah Mahdia SSi, Aisyah Hudaya, dan Maulana
Assalam Nainggolan yang tidak henti-hentinya memberikan doa, kasih sayang, dan dukungan
kepada penulis.
2 Ibu Dr. Yeni Herdiyeni, S.Si., M.Kom. selaku dosen pembimbing yang telah memberikan
arahan dan bimbingan dengan sabar kepada penulis dalam menyelesaikan skripsi ini.
3 Bapak Musthofa, S.Komp, M.Sc dan Ibu Karlina Khiyarin Nisa S.Kom, M.T. selaku dosen
pengujiatas kemudahan dan ilmu yang telah diberikan kepada penulis.
4 Teman-teman satu bimbingan Canggih Trisyanto, Mayanda Mega, Ni Kadek, Oki Maulana,
Desta Sandya ,Ryanti Octaviani, Siska Susanti,dan Tomy Kurniawan atas saran, masukan dan
nasihat yang diberikan kepada penulis.
5 Teman-teman di Departemen Ilmu Komputer Alih Jenis IPB angkatan 4 atas segala
kebersamaan, bantuan, dan motivasi yang telah diberikan kepada penulis.
6 Teman-teman kosan White HouseArif Hadiwibowo S.Kom, Ari AlKautsar S.Kom, Desta
Sandya, Rahmat Setyawan, Jefri, dan mas Zulhan Arif M.Si.
7 Saudara-saudara yang telah berkontribusi dalam skripsi ini Ari Wibowo Astono, Budi Hartono
Siregar S.T, dan Arief Seno Prabowo S.E.
Penulis menyadari bahwa masih terdapat kekurangan dalam penulisan skripsi ini.Semoga
tulisan ini bermanfaat dan dapat menambah wawasan ilmu pengetahuan bagi penulis khususnya
dan pembaca umumnya
Bogor, Juni 2012
Pauzi Ibrahim N
RIWAYAT HIDUP
Pauzi Ibrahim Nainggolan dilahirkan di Kajang, Malaysia pada tanggal 14 September 1988
dari pasangan Ibu Jusridawati Stumeang dan Bapak Dr. H. Hamonangan Nainggolan. Pada tahun
2006, penulis lulus dari Sekolah Menengah Atas (SMA) Plus Negeri 1 Pandan, Tapanuli Tengah
dan diterima di Program Studi D3 Manajemen Informatika, Institut Pertanian Bogor (IPB). Penulis
lulus pada tahun 2009 dan melanjutkan studi sarjana di Ilmu Komputer IPB.
Pada tahun 2009, penulis mengikuti training selama 3 bulan yang diadakan PT.Azadirachta
Mandiri (amn). Penulis juga aktif dalam pengembangan beberapa website e-commerce, pembuatan
aplikasi rumah sakit, akademik dan sistem pada beberapa perusahaan di Indonesia sebagai pekerja
lepas sambil melanjutkan studi.
DAFTAR ISI
Halaman
DAFTAR TABEL ................................................................................................................................. vi
DAFTAR GAMBAR ............................................................................................................................ vi
DAFTAR LAMPIRAN ......................................................................................................................... vi
PENDAHULUAN
Latar Belakang ................................................................................................................................... 1
Tujuan Penelitian ............................................................................................................................... 1
Ruang Lingkup Penelitian ................................................................................................................. 1
TINJAUAN PUSTAKA
Tumbuhan Obat ................................................................................................................................. 1
Android Application Programming Interface .................................................................................... 2
OpenCV ............................................................................................................................................. 2
Tekstur ............................................................................................................................................... 2
Local Binary Patterns ........................................................................................................................ 2
Rotation Invariant.............................................................................................................................. 3
Uniform Patterns ............................................................................................................................... 3
Probabilistic Neural Network (PNN) ................................................................................................ 4
METODE PENELITIAN
Data Citra Tumbuhan Obat ................................................................................................................ 5
Ekstraksi Fitur Tekstur Tumbuhan Obat ............................................................................................ 5
Ekstraksi tekstur dengan LBPriu2
P,R ....................................................................................................... 6
Identifikasi Citra dengan Probabilistic Neural Network (PNN) ........................................................ 6
Evaluasi ............................................................................................................................................. 6
Perangkat Keras dan perangkat Lunak............................................................................................... 7
HASIL DAN PEMBAHASAN
Pengembangan Aplikasi Mobile ........................................................................................................ 7
Hasil Praproses .................................................................................................................................. 7
Evaluasi Hasil Identifikasi Citra dengan LBPriu2
P,R Mobile.................................................................... 8
Evaluasi Waktu Proses Identifikasi Citra denganLBPriu2
P,R Mobile ....................................................... 8
KESIMPULAN DAN SARAN
Kesimpulan ........................................................................................................................................ 9
Saran .................................................................................................................................................. 9
DAFTAR PUSTAKA ............................................................................................................................ 9
LAMPIRAN ......................................................................................................................................... 10
v
DAFTAR TABEL
Halaman
1 Hasil identifikasi pada aplikasi mobile............................................................................................... 8
2 Waktu komputasi pada perangkat mobile dengan LBPriu2
24,3 ................................................................. 8
DAFTAR GAMBAR
1 API Android ....................................................................................................................................... 2
2 Circular neighborhood delapan sampling points. ............................................................................. 2
3 Contoh perhitungan nilai LBP............................................................................................................ 3
4 Operator LBP. .................................................................................................................................... 3
5 Rotation Invariant LBP. ..................................................................................................................... 3
6 Tekstur uniform patterns. ................................................................................................................... 4
7 Struktur PNN...................................................................................................................................... 4
8 Model client server............................................................................................................................. 5
9 Metode penelitian. .............................................................................................................................. 5
10Perubahan mode warna citra. ............................................................................................................. 6
11Ilustrasi pembagian ukuran blok. ....................................................................................................... 6
12Pembentukan histogram. .................................................................................................................... 6
13 Praproses. ......................................................................................................................................... 7
14 Antarmuka aplikasi untuk identifikasi.............................................................................................. 7
15Teknik akuisisi yang berpengaruh dalam identifikasi tumbuhan obat................................................ 8
DAFTAR LAMPIRAN
1 Lima belas citra tumbuhan obat .................................................................................................. 11
2 Tahapan identifikasi pada aplikasi mobile MedLeafuntuk identifikasi tumbuhan obat. ............. 12
3 Tampilan / Antarmuka hasil identifikasi pada aplikasi mobile MedLeaf .................................... 12
vi
1
PENDAHULUAN
Latar Belakang
Indonesia merupakan Negara yang kaya
akan keanekaragaman spesies tumbuhan obat,
Indonesia memiliki lebih dari 38000 spesies
tumbuhan obat (Bappenas 2003). Potensi
pemanfaatan tumbuhan obat sangat besar
apabila dapat dilakukan langsung oleh
masyarakat luas, namun untuk dapat
mengenali manfaat dari setiap tumbuhan obat
itu sendiri bagi masyarakat luas sulit
dilakukan.
Beberapa
masyarakat
melakukannya
dengan
membandingkan
gambar daun yang akan diidentifikasi dengan
gambar daun yang terdapat pada buku atau
melakukannya di laboratorium secara manual
oleh ahli dibidang taxonomytumbuhan obat.
Hal tersebut membutuhkan waktu dan biaya
yang banyak.
Penelitian mengenai pengenalantumbuhan
obat sudah dilakukan dengan komputasi
berbasiskan gambar. Beberapa penelitian
pengenalan tumbuhan obat, mengekstraksi ciri
dari daun seperti:Ekstraksi Ciri Morfolgi dan
Tekstur (Annisa2009), Penggabungkan Ciri
Morfolgi, Tekstur dan Bentuk dengan
Klasifikasi Probabilistic Neural Network pada
Daun
(Nurafifah2010)
danEkstraksiCiri
Morfologi, Tekstur dan Bentuk untuk
Identifikasi
Tumbuhan
Obat
(Nurfadhilah2011). Pengenalan tumbuhan
obat dengan mengekstrasksi ciri daun yang
telah dilakukan masih dilingkungan komputer
desktop. Dengan berkembangnya teknologi
mobile, akan lebih bermanfaat jika aplikasi
dibangun pada perangkat mobile,karena dapat
dibawa kemana saja.
Penelitian ini mengembangkan sebuah
perangkat lunak yang dapat mengidentifikasi
tumbuhan obat pada handset yang berbasiskan
sistem operasi Android. Sesuai dengan
penelitian Speckmann (2008), untuk saat ini
platform yang paling baik digunakan dalam
pengembangan aplikasi pada handset adalah
sistem operasi Android. Wells (2011) telah
melakukan pemrosesan gambar pada handset
dengan hasil yang sangat memadai untuk
dilakukannya
pemrosesan
gambar.
Diharapkan aplikasi ini dapat memberikan
informasi yang relevan kepada masyarakat
untuk identifikasi tumbuhan obat.
tumbuhan obat pada aplikasi mobile yang
berbasis sistem operasi Android.Teknik
identifikasi yang digunakan adalah Local
Binary Pattern(LBP) dengan klasifikasi
Probabilistic NeuralNetwork(PNN).
Ruang Lingkup Penelitian
Ruang lingkup penelitian ini adalah:
1 Data diperoleh dari hasil pengambilan
citra 15 jenis tumbuhan obat menggunakan
kamera pada perangkat mobile yang
berasal dari kebun Raya Bogor.
2 Penelitian ini menggunakan Operator LBP
dengan descriptorLBPriu2
24,3 .
3 Aplikasi yang dibangun pada perangkat
mobile dengan sistem operasi Android™
2.2 (Froyo).
TINJAUAN PUSTAKA
Tumbuhan Obat
Indonesia merupakan negara yang kaya
akan tumbuhan tropis. Jumlah tumbuhan
tropis di Indonesia sekita 38000 spesies
(Damayanti 2008).Diantara 38000 spesies
tersebut, sampai dengan 2001 data spesies
tumbuhan obat yang dapat diidentifikasi
hanya 2039 spesies (Zuhud 2009). Damayanti
et al. (2011) mengemukakanmasalah yang
ditemukan dalam identifikasi tumbuhan obat
adalah:
1 Terbatasnya jumlah masyarakat yang
mengetahui, mengenali, dan memahami
keragaman dan penggunaantumbuhan obat
untuk mengidentifikasidi lapangan.
2 Terbatasnya jumlah buku identifikasi
tumbuhan/panduan,atau
dengan
banyaknya
halaman
dalam
setiap
buku/panduan merepotkan saat dibawa ke
lapangan.
3 Terbatasnya
jumlah
instansi
yang
berwenang dan fasilitas untuk identifikasi
tumbuhan.
4 Terbatasnya jumlah ahli taksonomi di
instansi yang berwenang, yang secara
ilmiah dapat mengidentifikasi jenis
tumbuhandalam jumlah besar.
5 Waktu dan biaya, sebagai akibat dari
masalah (1) sampai (4).
Tujuan Penelitian
Tantangan
obat adalah:
dalam
identifikasitumbuhan
Tujuan dari rencana penelitian ini adalah
mengimplementasikan teknik identifikasi
1 Mendorong generasi muda untuk menjadi
ahli taksonomi.
2
2 Mendorong
generasi
muda
untuk
melanjutkan
warisan
dari
nenek
moyangdalam pengenalan dan identifikasi
spesies tumbuhan obat-obatan.
3 Mengembangkan lembaga yang lebih
berwenang untuk identifikasi specimen.
4 Mengembangkan
teknologi
yang
mengurangi masalah dalam identifikasi.
5 Mengembangkan jaringan dengan para
stakeholder dalam bidang teknologi.
Android Application Programming Interface
Android
application
programming
interface (API) adalah satu set aturan dan
spesifikasi tertentu yang disediakan oleh
sistem operasi Android yang dapat digunakan
aplikasi untuk berkomunikasi satu sama lain.
API berfungsi sebagai fasilitator komunikasi
dan interaksi antara aplikasi dengan perangkat
Android, sepertiuser interface memfasilitasi
interaksi antara pengguna dengan aplikasi.
Arsitektur sistem operasi Android dapat
dilihat pada Gambar 1.
dikembangkan oleh Intel dan sekarang
didukung oleh Willow Garage. OpenCV
bebas untuk digunakan dengan lisensi open
source BSD. Library cross-platform ini,
berfokus terutama pada pengolahan citra
secara real-time.
Tekstur
Dengan pendekatan analisis teksturpada
gambar, tekstur dapat didefinisikan sebagai
sesuatu yang berkaitan dengan fluktuasi
luminositas berkala dalam gambar yang dapat
ditafsirkan
sebagai
permukaan
yang
berstruktur homogen. Dalam computer vision,
tekstur dicirikan dengan variasi intensitas
pada sebuah citra. Variasi intensitas dapat
disebabkan oleh kekasaran atau perbedaan
warna pada suatu permukaan. Tekstur juga
merupakan properti dari area. Propertiproperti
dari
tekstur
citra
meliputi
keseragaman,
kepadatan,
kekasaran,
keberaturan, linearitas, keberarahan, dan
frekuensi. Penampilan tekstur dipengaruhi
oleh
skala dan arah pandangan serta
lingkungan
dan
kondisi
pencahayaan
(Mäenpää 2003).
Local Binary Patterns
Local Binary Pattern (LBP) merupakan
suatu metode untuk mendeskripsikan tekstur
pada mode warna grayscale. LBP pertama
sekali diperkenalkan oleh Timo Ojala. LBP
digunakan untuk mencari pola pada citra
(texture in local neighborhood) (Mäenpää
2003).
Gambar 1 API Android
(developer.android.com).
Sistem operasi Android mengadopsi kernel
Linux pada implementasinya. Kernel bertugas
mengatur kapan dan berapa lama suatu
program dapat menggunakan satu bagian
perangkat keras. Penggunaan perangkat keras
pada Android sangat terbatas karena ada lebih
dari satu aplikasi yang menggunakan
perangkat keras yang sama dalam waktu yang
bersamaan.
LBP
adalah
sekumpulan
pixel
ketetanggaan yang tersebar secara melingkar
(circular neighborhoods) dengan pusat piksel
berada di tengah seperti ditunjukkan pada
Gambar2.Notasigi merupakan nilai gray level
piksel ketetanggaan. Rataan seluruh piksel
(piksel ketetanggaan dan piksel pusatgc )
digunakan sebagai nilai ambang batas
(threshold) untuk memotong setiap nilai
piksel ketetanggaan untuk mendapatkan kode
binernya.
OpenCV
Open
Source
Computer
Vision
Library(OpenCV) adalah library dari fungsi
pemrograman yang ditujukan untuk efiesiensi
dalam komputasi dan fokus utamanya
ditujukan untuk komputasi real time
(Bradski& Kaehler 2008). OpenCV awalnya
Gambar 2 Circular neighborhood
delapansampling points.
3
Untuk mendapatkan nilai LBP, kode-kode
biner yang telah didapatkan, dikalikan dengan
pembobotan
binernya.
Gambar
3
menunjukkan operasi dasar LBP. Pola-pola
biner LBP merepesentasikan bermacammacam pola tepi, titik, flat areas, dan
sebagainya.
LBP. Gambar 4 memperlihatkan contoh
operator LBP dengan beberapa nilai Pdan R.
Gambar 4 Operator LBP.
Rotation Invariant
Gambar 3 Contoh perhitungan nilai LBP.
Formulasi LBP dapat dituliskan sebagai
berikut:
P-1
LBP P,R (xc ,yc )=
p=0
s(gp -gc )2
p
(1)
Struktur piksel
ketetanggaan LBP
berbentuk melingkar. Untuk itu, dibuat suatu
cara agar pola-pola LBP tidak sensitif
terhadap perubahan rotasi. Istilah ini
dinamakan rotation invariant (Mäenpää
2003).
Contoh: LBP = 00001111 = 15 dapat
direpresentasikan
dengan
circular
neighborhood pada Gambar 5.
dengan
s x =
1 x≥0
0 x
OBAT MENGGUNAKAN LOCAL BINARY PATTERN
DENGAN KLASIFIKASI PROBABILISTIC
NEURAL NETWORK
PAUZI IBRAHIM NAINGGOLAN
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2012
APLIKASI MOBILE UNTUK IDENTIFIKASI TUMBUHAN
OBAT MENGGUNAKAN LOCAL BINARY PATTERN
DENGAN KLASIFIKASI PROBABILISTIC
NEURAL NETWORK
PAUZI IBRAHIM NAINGGOLAN
Skripsi
skripsi sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer pada
Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
ALAMINSTITUT PERTANIAN BOGOR
BOGOR
2012
ABSTRACT
PAUZI IBRAHIM NAINGGOLAN. Mobile Application for Medicinal Plants Identification using
Local Binary Patterns Descriptor and Probabilistic Neural Network Method. Supervised by YENI
HERDIYENI.
This research proposed a new mobile application for medicinal plants identification. Local
Binary Pattern (LBP) is used to extract image features and Probabilistic Neural Network (PNN) is
used to classify medicinal plants on mobile phone. LBPriu2
P,R was used as LBP descriptor in this
research, which uses rotation invariant and uniform patterns of image texture. The aim of this
research was to implement this application in open source Android 2.3 (Gingerbread) operating
system. The data used is the medicinal leaf image from Botanical Garden, Bogor Indonesia which
consist of 15 species with 10 variations for each species. The experiment showed that the accuracy
of identifications is 31.11% and the computation time is 50.02 seconds.The experimental result
show the accuracy is still low, so this research need to be explored further to improve the accuracy.
This new mobile application is useful to help user in plant identification.
Keywords: Android, LBP, medicinal plant, mobile application, PNN.
Judul Skripsi : Aplikasi Mobile Untuk Identifikasi Tumbuhan Obat Menggunakan Local Binary
Patterndengan Klasifikasi Probabilistic Neural Network
Nama
: Pauzi Ibrahim Nainggolan
NRP
: G64061815
Disetujui:
Pembimbing
Dr. Yeni Herdiyeni, S.Si., M.Kom.
NIP 19750923 200012 2 001
Diketahui:
Ketua Departeman Ilmu Komputer
Dr.Ir. Agus Buono, M.Si, M.Kom
NIP 19660702 199302 1 001
Tanggal Lulus:
PRAKATA
Alhamdulillahi Rabbil’ alamin, segala puji dan syukur penulis panjatkan kepada Allah
Subhanallah Wata’alaatas limpahan rahmat dan hidayah-Nya, sehingga penulis dapat
menyelesaikan tugas akhir yang berjudul“Aplikasi Mobile Untuk Identifikasi Tumbuhan Obat
Menggunakan Local Binary Pattern dengan Klasifikasi Probabilistic Neural Network” dengan
lancar dan baik. Penelitian ini dilaksanakan mulai Januari 2012 sampai dengan Maret 2012,
bertempat di Departemen Ilmu Komputer.
Penulis juga menyampaikan ucapan terima kasih kepada:
1 Ayah Dr. H. Hamonangan Nainggolan M.Sc, Ibu Jusridawati Situmeang, dan kakak-adik
tercinta, Yasser Hudan Nainggolan SE AK, Sarah Mahdia SSi, Aisyah Hudaya, dan Maulana
Assalam Nainggolan yang tidak henti-hentinya memberikan doa, kasih sayang, dan dukungan
kepada penulis.
2 Ibu Dr. Yeni Herdiyeni, S.Si., M.Kom. selaku dosen pembimbing yang telah memberikan
arahan dan bimbingan dengan sabar kepada penulis dalam menyelesaikan skripsi ini.
3 Bapak Musthofa, S.Komp, M.Sc dan Ibu Karlina Khiyarin Nisa S.Kom, M.T. selaku dosen
pengujiatas kemudahan dan ilmu yang telah diberikan kepada penulis.
4 Teman-teman satu bimbingan Canggih Trisyanto, Mayanda Mega, Ni Kadek, Oki Maulana,
Desta Sandya ,Ryanti Octaviani, Siska Susanti,dan Tomy Kurniawan atas saran, masukan dan
nasihat yang diberikan kepada penulis.
5 Teman-teman di Departemen Ilmu Komputer Alih Jenis IPB angkatan 4 atas segala
kebersamaan, bantuan, dan motivasi yang telah diberikan kepada penulis.
6 Teman-teman kosan White HouseArif Hadiwibowo S.Kom, Ari AlKautsar S.Kom, Desta
Sandya, Rahmat Setyawan, Jefri, dan mas Zulhan Arif M.Si.
7 Saudara-saudara yang telah berkontribusi dalam skripsi ini Ari Wibowo Astono, Budi Hartono
Siregar S.T, dan Arief Seno Prabowo S.E.
Penulis menyadari bahwa masih terdapat kekurangan dalam penulisan skripsi ini.Semoga
tulisan ini bermanfaat dan dapat menambah wawasan ilmu pengetahuan bagi penulis khususnya
dan pembaca umumnya
Bogor, Juni 2012
Pauzi Ibrahim N
RIWAYAT HIDUP
Pauzi Ibrahim Nainggolan dilahirkan di Kajang, Malaysia pada tanggal 14 September 1988
dari pasangan Ibu Jusridawati Stumeang dan Bapak Dr. H. Hamonangan Nainggolan. Pada tahun
2006, penulis lulus dari Sekolah Menengah Atas (SMA) Plus Negeri 1 Pandan, Tapanuli Tengah
dan diterima di Program Studi D3 Manajemen Informatika, Institut Pertanian Bogor (IPB). Penulis
lulus pada tahun 2009 dan melanjutkan studi sarjana di Ilmu Komputer IPB.
Pada tahun 2009, penulis mengikuti training selama 3 bulan yang diadakan PT.Azadirachta
Mandiri (amn). Penulis juga aktif dalam pengembangan beberapa website e-commerce, pembuatan
aplikasi rumah sakit, akademik dan sistem pada beberapa perusahaan di Indonesia sebagai pekerja
lepas sambil melanjutkan studi.
DAFTAR ISI
Halaman
DAFTAR TABEL ................................................................................................................................. vi
DAFTAR GAMBAR ............................................................................................................................ vi
DAFTAR LAMPIRAN ......................................................................................................................... vi
PENDAHULUAN
Latar Belakang ................................................................................................................................... 1
Tujuan Penelitian ............................................................................................................................... 1
Ruang Lingkup Penelitian ................................................................................................................. 1
TINJAUAN PUSTAKA
Tumbuhan Obat ................................................................................................................................. 1
Android Application Programming Interface .................................................................................... 2
OpenCV ............................................................................................................................................. 2
Tekstur ............................................................................................................................................... 2
Local Binary Patterns ........................................................................................................................ 2
Rotation Invariant.............................................................................................................................. 3
Uniform Patterns ............................................................................................................................... 3
Probabilistic Neural Network (PNN) ................................................................................................ 4
METODE PENELITIAN
Data Citra Tumbuhan Obat ................................................................................................................ 5
Ekstraksi Fitur Tekstur Tumbuhan Obat ............................................................................................ 5
Ekstraksi tekstur dengan LBPriu2
P,R ....................................................................................................... 6
Identifikasi Citra dengan Probabilistic Neural Network (PNN) ........................................................ 6
Evaluasi ............................................................................................................................................. 6
Perangkat Keras dan perangkat Lunak............................................................................................... 7
HASIL DAN PEMBAHASAN
Pengembangan Aplikasi Mobile ........................................................................................................ 7
Hasil Praproses .................................................................................................................................. 7
Evaluasi Hasil Identifikasi Citra dengan LBPriu2
P,R Mobile.................................................................... 8
Evaluasi Waktu Proses Identifikasi Citra denganLBPriu2
P,R Mobile ....................................................... 8
KESIMPULAN DAN SARAN
Kesimpulan ........................................................................................................................................ 9
Saran .................................................................................................................................................. 9
DAFTAR PUSTAKA ............................................................................................................................ 9
LAMPIRAN ......................................................................................................................................... 10
v
DAFTAR TABEL
Halaman
1 Hasil identifikasi pada aplikasi mobile............................................................................................... 8
2 Waktu komputasi pada perangkat mobile dengan LBPriu2
24,3 ................................................................. 8
DAFTAR GAMBAR
1 API Android ....................................................................................................................................... 2
2 Circular neighborhood delapan sampling points. ............................................................................. 2
3 Contoh perhitungan nilai LBP............................................................................................................ 3
4 Operator LBP. .................................................................................................................................... 3
5 Rotation Invariant LBP. ..................................................................................................................... 3
6 Tekstur uniform patterns. ................................................................................................................... 4
7 Struktur PNN...................................................................................................................................... 4
8 Model client server............................................................................................................................. 5
9 Metode penelitian. .............................................................................................................................. 5
10Perubahan mode warna citra. ............................................................................................................. 6
11Ilustrasi pembagian ukuran blok. ....................................................................................................... 6
12Pembentukan histogram. .................................................................................................................... 6
13 Praproses. ......................................................................................................................................... 7
14 Antarmuka aplikasi untuk identifikasi.............................................................................................. 7
15Teknik akuisisi yang berpengaruh dalam identifikasi tumbuhan obat................................................ 8
DAFTAR LAMPIRAN
1 Lima belas citra tumbuhan obat .................................................................................................. 11
2 Tahapan identifikasi pada aplikasi mobile MedLeafuntuk identifikasi tumbuhan obat. ............. 12
3 Tampilan / Antarmuka hasil identifikasi pada aplikasi mobile MedLeaf .................................... 12
vi
1
PENDAHULUAN
Latar Belakang
Indonesia merupakan Negara yang kaya
akan keanekaragaman spesies tumbuhan obat,
Indonesia memiliki lebih dari 38000 spesies
tumbuhan obat (Bappenas 2003). Potensi
pemanfaatan tumbuhan obat sangat besar
apabila dapat dilakukan langsung oleh
masyarakat luas, namun untuk dapat
mengenali manfaat dari setiap tumbuhan obat
itu sendiri bagi masyarakat luas sulit
dilakukan.
Beberapa
masyarakat
melakukannya
dengan
membandingkan
gambar daun yang akan diidentifikasi dengan
gambar daun yang terdapat pada buku atau
melakukannya di laboratorium secara manual
oleh ahli dibidang taxonomytumbuhan obat.
Hal tersebut membutuhkan waktu dan biaya
yang banyak.
Penelitian mengenai pengenalantumbuhan
obat sudah dilakukan dengan komputasi
berbasiskan gambar. Beberapa penelitian
pengenalan tumbuhan obat, mengekstraksi ciri
dari daun seperti:Ekstraksi Ciri Morfolgi dan
Tekstur (Annisa2009), Penggabungkan Ciri
Morfolgi, Tekstur dan Bentuk dengan
Klasifikasi Probabilistic Neural Network pada
Daun
(Nurafifah2010)
danEkstraksiCiri
Morfologi, Tekstur dan Bentuk untuk
Identifikasi
Tumbuhan
Obat
(Nurfadhilah2011). Pengenalan tumbuhan
obat dengan mengekstrasksi ciri daun yang
telah dilakukan masih dilingkungan komputer
desktop. Dengan berkembangnya teknologi
mobile, akan lebih bermanfaat jika aplikasi
dibangun pada perangkat mobile,karena dapat
dibawa kemana saja.
Penelitian ini mengembangkan sebuah
perangkat lunak yang dapat mengidentifikasi
tumbuhan obat pada handset yang berbasiskan
sistem operasi Android. Sesuai dengan
penelitian Speckmann (2008), untuk saat ini
platform yang paling baik digunakan dalam
pengembangan aplikasi pada handset adalah
sistem operasi Android. Wells (2011) telah
melakukan pemrosesan gambar pada handset
dengan hasil yang sangat memadai untuk
dilakukannya
pemrosesan
gambar.
Diharapkan aplikasi ini dapat memberikan
informasi yang relevan kepada masyarakat
untuk identifikasi tumbuhan obat.
tumbuhan obat pada aplikasi mobile yang
berbasis sistem operasi Android.Teknik
identifikasi yang digunakan adalah Local
Binary Pattern(LBP) dengan klasifikasi
Probabilistic NeuralNetwork(PNN).
Ruang Lingkup Penelitian
Ruang lingkup penelitian ini adalah:
1 Data diperoleh dari hasil pengambilan
citra 15 jenis tumbuhan obat menggunakan
kamera pada perangkat mobile yang
berasal dari kebun Raya Bogor.
2 Penelitian ini menggunakan Operator LBP
dengan descriptorLBPriu2
24,3 .
3 Aplikasi yang dibangun pada perangkat
mobile dengan sistem operasi Android™
2.2 (Froyo).
TINJAUAN PUSTAKA
Tumbuhan Obat
Indonesia merupakan negara yang kaya
akan tumbuhan tropis. Jumlah tumbuhan
tropis di Indonesia sekita 38000 spesies
(Damayanti 2008).Diantara 38000 spesies
tersebut, sampai dengan 2001 data spesies
tumbuhan obat yang dapat diidentifikasi
hanya 2039 spesies (Zuhud 2009). Damayanti
et al. (2011) mengemukakanmasalah yang
ditemukan dalam identifikasi tumbuhan obat
adalah:
1 Terbatasnya jumlah masyarakat yang
mengetahui, mengenali, dan memahami
keragaman dan penggunaantumbuhan obat
untuk mengidentifikasidi lapangan.
2 Terbatasnya jumlah buku identifikasi
tumbuhan/panduan,atau
dengan
banyaknya
halaman
dalam
setiap
buku/panduan merepotkan saat dibawa ke
lapangan.
3 Terbatasnya
jumlah
instansi
yang
berwenang dan fasilitas untuk identifikasi
tumbuhan.
4 Terbatasnya jumlah ahli taksonomi di
instansi yang berwenang, yang secara
ilmiah dapat mengidentifikasi jenis
tumbuhandalam jumlah besar.
5 Waktu dan biaya, sebagai akibat dari
masalah (1) sampai (4).
Tujuan Penelitian
Tantangan
obat adalah:
dalam
identifikasitumbuhan
Tujuan dari rencana penelitian ini adalah
mengimplementasikan teknik identifikasi
1 Mendorong generasi muda untuk menjadi
ahli taksonomi.
2
2 Mendorong
generasi
muda
untuk
melanjutkan
warisan
dari
nenek
moyangdalam pengenalan dan identifikasi
spesies tumbuhan obat-obatan.
3 Mengembangkan lembaga yang lebih
berwenang untuk identifikasi specimen.
4 Mengembangkan
teknologi
yang
mengurangi masalah dalam identifikasi.
5 Mengembangkan jaringan dengan para
stakeholder dalam bidang teknologi.
Android Application Programming Interface
Android
application
programming
interface (API) adalah satu set aturan dan
spesifikasi tertentu yang disediakan oleh
sistem operasi Android yang dapat digunakan
aplikasi untuk berkomunikasi satu sama lain.
API berfungsi sebagai fasilitator komunikasi
dan interaksi antara aplikasi dengan perangkat
Android, sepertiuser interface memfasilitasi
interaksi antara pengguna dengan aplikasi.
Arsitektur sistem operasi Android dapat
dilihat pada Gambar 1.
dikembangkan oleh Intel dan sekarang
didukung oleh Willow Garage. OpenCV
bebas untuk digunakan dengan lisensi open
source BSD. Library cross-platform ini,
berfokus terutama pada pengolahan citra
secara real-time.
Tekstur
Dengan pendekatan analisis teksturpada
gambar, tekstur dapat didefinisikan sebagai
sesuatu yang berkaitan dengan fluktuasi
luminositas berkala dalam gambar yang dapat
ditafsirkan
sebagai
permukaan
yang
berstruktur homogen. Dalam computer vision,
tekstur dicirikan dengan variasi intensitas
pada sebuah citra. Variasi intensitas dapat
disebabkan oleh kekasaran atau perbedaan
warna pada suatu permukaan. Tekstur juga
merupakan properti dari area. Propertiproperti
dari
tekstur
citra
meliputi
keseragaman,
kepadatan,
kekasaran,
keberaturan, linearitas, keberarahan, dan
frekuensi. Penampilan tekstur dipengaruhi
oleh
skala dan arah pandangan serta
lingkungan
dan
kondisi
pencahayaan
(Mäenpää 2003).
Local Binary Patterns
Local Binary Pattern (LBP) merupakan
suatu metode untuk mendeskripsikan tekstur
pada mode warna grayscale. LBP pertama
sekali diperkenalkan oleh Timo Ojala. LBP
digunakan untuk mencari pola pada citra
(texture in local neighborhood) (Mäenpää
2003).
Gambar 1 API Android
(developer.android.com).
Sistem operasi Android mengadopsi kernel
Linux pada implementasinya. Kernel bertugas
mengatur kapan dan berapa lama suatu
program dapat menggunakan satu bagian
perangkat keras. Penggunaan perangkat keras
pada Android sangat terbatas karena ada lebih
dari satu aplikasi yang menggunakan
perangkat keras yang sama dalam waktu yang
bersamaan.
LBP
adalah
sekumpulan
pixel
ketetanggaan yang tersebar secara melingkar
(circular neighborhoods) dengan pusat piksel
berada di tengah seperti ditunjukkan pada
Gambar2.Notasigi merupakan nilai gray level
piksel ketetanggaan. Rataan seluruh piksel
(piksel ketetanggaan dan piksel pusatgc )
digunakan sebagai nilai ambang batas
(threshold) untuk memotong setiap nilai
piksel ketetanggaan untuk mendapatkan kode
binernya.
OpenCV
Open
Source
Computer
Vision
Library(OpenCV) adalah library dari fungsi
pemrograman yang ditujukan untuk efiesiensi
dalam komputasi dan fokus utamanya
ditujukan untuk komputasi real time
(Bradski& Kaehler 2008). OpenCV awalnya
Gambar 2 Circular neighborhood
delapansampling points.
3
Untuk mendapatkan nilai LBP, kode-kode
biner yang telah didapatkan, dikalikan dengan
pembobotan
binernya.
Gambar
3
menunjukkan operasi dasar LBP. Pola-pola
biner LBP merepesentasikan bermacammacam pola tepi, titik, flat areas, dan
sebagainya.
LBP. Gambar 4 memperlihatkan contoh
operator LBP dengan beberapa nilai Pdan R.
Gambar 4 Operator LBP.
Rotation Invariant
Gambar 3 Contoh perhitungan nilai LBP.
Formulasi LBP dapat dituliskan sebagai
berikut:
P-1
LBP P,R (xc ,yc )=
p=0
s(gp -gc )2
p
(1)
Struktur piksel
ketetanggaan LBP
berbentuk melingkar. Untuk itu, dibuat suatu
cara agar pola-pola LBP tidak sensitif
terhadap perubahan rotasi. Istilah ini
dinamakan rotation invariant (Mäenpää
2003).
Contoh: LBP = 00001111 = 15 dapat
direpresentasikan
dengan
circular
neighborhood pada Gambar 5.
dengan
s x =
1 x≥0
0 x