Saran The Identification of Medicinal Plants based on Fractal using Fuzzy C-Means Clustering

DAFTAR PUSTAKA Acharya T, Ray A. 2005 Image Processing Principal and Aplication, Ney Jersey : John Willey Son Inc. Barnesley MF, Devaney RL, Mandelbort, Peitgen, Saup D, Voss, RF. 1988. The Science of Fractal Images. Springger verlag. Bruno OM, Backes AR.2008. A New Approach to Estimate Farctal Dimension of Texture image. ICISP. LNCS:136-143. Chandra MPS, Reeddy S, Babu Ramesh. 2009. Iris Recognition System Using Fractal Dimension of Haar Patterns. Internasional Journal of Signal Precessing 2:75-81. Dimpi. 2011. Ekstraksi Daun Menggunakan Dimensi Fraktal untuk Identifikasi Tumbuhan Obat di Indonesia [skripsi]. Bogor. Fakultas Matematika dan Ilmu Pengetahuan Alam. Institut Pertanian Bogor. Duda RO. dan Hart PE. 1995. Pattern Classification and Scene Analysis 2 nd ed, New York: John Wiley Sons.Inc. Hermaduanti N, Kusumadewi S. 2008. Sistem Pendukung Keputusan Berbasis SMS untuk Menentukan Status Gizi dengan Metode K-Nearest Neighbor. Proseding Seminar Nasional Aplikasi Teknologi Informasi 2008, Yogyakarta ; 49-55. Jianxin Xu, Wang Hua, Fang Hui. 2011. Characterization of Periodeic, Quasiperiodeic and Chaotic States in Nonpremixed BiodieselAir Jet Flames. Hindawi Publishing Corporation 2011 861436 :[terhubung berkala]. http:www.hindawi.comjournalsmpe2011861436.htm [13 Feb 2012] Kiani S, Moghaddam ME. 2009. Fractal Based Digital Image Watermaking Using Fuzzy C- mean Clustering. IEEE Computer Sociaty; 638-642. Luthfi ET. 2007. Fuzzy C-Means untuk Clustering Data, Studi Kasus Data Performance Mengajar Dosen. Proseding Seminar Nasional Teknologi 2007, Yogyakarta ; 1-7. Mandelbort, 1982, The Fractal of Nature, Springer Verlag. Mozaffari S, Faez K, Kanan HR. 2005. Performance Evaluation of Fractal Feature in recognition of Postal Code Uisng an RBF neural Network and SVM Classiffier. MVA2005IAPRCATI ; 562-565. Peitgen HO, Jurgens Saupe, D. 1992. Fractal for Classromm, Part One : Introduction to Fractal and Chaos, National Council of Teachers of Mathematics, Springer Verlag. Peng F, Guohua Xu, Xia Q. 2005. Fuzzy Classificatioan Based on Fractal Featurers for Undersea image. International Journal of Information Technologi 7; 133-142. Putra D. 2010. Pengolahan Citra Digital. Yogyakarta : Penerbit ANDI. Saifudin A, Rahayu V, Yuda H. 2011. Standardisasi Bahan Obat Alam, Yogyakarta: Graha ilmu. Schouten AM, Zeew PM. 1999. Feature Extraction Using Fractal Codes.INCS 1614:483-493 Soelaiman R, Subakti I, Satriaji G. 2007. Implementasi Sistem Temu Kembali Citra Berdasarkan Histogram Parametre Fraktal. Proceeding of National Conference on Computer science Information Technology, University of Indonesia :212-220. Thomas ANS. 1993. Tanaman Obat Tradisional. Yogyakarta : Kanisius. LAMPIRAN Lampiran 1. Daftar Data Jenis Daun Tumbuhan Obat 1 2 3 4 5 Jarak Pagar Dandang Gendis Iler Cincau Hitam lilin Jatropha curcas Linn Clinacanthus nutans Lindau Coleus Scutellarioides Linn, Benth Mesona palustris Bauhinia scandens L 6 7 8 9 10 Daruju Bunga Telang Punpulutan Kumis Kucing Sambang Darah Acanthus ilicifolius L Clitoria ternatea L Urena Lobata L Orthosiphon aristatus Bi Miq. Excoceria cochinchinensis Lour 11 12 13 14 15 Jambu Biji Akar Kuning Kemangi Handeleum Mrambos Psidium guajava L Arcangelistafla va L Ocimum basilicum Graptophyllum pictum L Griffith Hibiscus radiates cav. Lampiran 1 lanjutan 16 17 18 19 20 Nandang Gendis kuning Tabat Barito Gadung Cina Bidani Pegagan Ficus deltoidea L Clinacanthus nutans Lindau Smilax china Quisqualis Indica L Cemtella asiatica Linn Urban Lampiran 2. Tampilan Halaman Identifikasi Tumbuhan Obat Lampiran 3 Data jarak antar pusat cluster hasil clustering FCM berdasarkan dimensi fraktal Lampiran 4 Data jarak antar pusat cluster hasil clustering FCM berdasarkan kode fraktal ABSTRACT MULYANA, The Identification of Medicinal Plants based on Fractal using Fuzzy C-Means Clustering. Under direction of YENI HERDIYENI and SONY HARTONO WIJAYA Identification medicinal plant species automatically still be a problem for recognizing various kind of medicinal plants in Indonesia. The research purpose is to develop medicinal plant identification system by using fractal and Fuzzy C- Means FCM clustering. Fractal method is used to extract image feture of the medicinal plant leaf. Beides, FCM clustering is needed to classify image feature medicinal plant into some lass or cluster. Two fractal approach used in this research are fractal dimension and fractal code. Fractal dimension is based on similiarity of the medicinal plant leaf image pattern and counted with box counting method, however fractal code is based on similiarity of the medicinal plant leaf image texture. This research used the data from the collection in Biofarmaka IPB plantation and glasshouse of Ex-Situ conservation of Indoensia Tropicana. 600 data is used contain of 20 variety of medicinal plants for each 30 sampel. This experimental result shows that 85.04 of FCM clustering based on dimension and 79.94 FCM clustering based on the fractal code. According to this result, medicinal plant identification system which are easy and with high accuracy will motivate public to empower and use medicinal plant in Indonesia which will increase Indonesian public health and wealth. Keywords: identification medicinal plants, fractal, fractal dimension, fractal code, fuzzy c-means BAB I PENDAHULUAN

1.1. Latar Belakang

Indonesia merupakan salah satu negara yang memiliki potensi sangat besar dalam penyediaan bahan baku tumbuhan obat. Hal ini dibuktikan dari 40.000 jenis tumbuhan di dunia, 30.000 ribu merupakan spesies tumbuhan tingkat tinggi yang ada di Indonesia dan 7.000 diantaranya merupakan tumbuhan berkhasiat obat Saifudin et al. 2011. Dengan beragamnya jenis tumbuhan obat membuat identifikasi menjadi sulit sehingga kemampuan untuk mengidentifikasi tumbuhan obat dengan tepat menjadi kebutuhan penting bagi pakar maupun orang-orang yang berkecimpung dalam dunia tumbuhan obat. Proses identifikasi bergantung pada hasil ekstraksi fitur. Salah satu bagian tumbuhan obat yang dapat digunakan untuk ekstraksi adalah daun. Setiap tumbuhan obat memiliki bentuk dan tekstur daun yang berbeda-beda. Tetapi untuk satu jenis tumbuhan obat memiliki pola bentuk dan pola tekstur yang sama meskipun ukurannya berbeda-beda. Pola bentuk dan pola tekstur dari daun dapat dijadikan sebagai penciri tumbuhan obat. Salah satunya adalah dengan ekstraksi fitur berbasis fraktal. Melalui fraktal dapat dihitung nilai dimensi daun dan dicari bagian-bagian daun yang memiliki kemiripan antara satu bagian dengan bagian lainnya. Hal ini disebabkan oleh fraktal memiliki sifat self similarity, yaitu terdiri atas bagian-bagian yang memiliki kemiripan dari satu bagian dengan bagian lainnya Mandelbrot 1982. Ada dua pendekatan ekstraksi fitur dengan metode fraktal yaitu dimensi fraktal fractal dimension dan kode fraktal fractal code. Dimensi fraktal didasari pada tingkat keseragaman pola bentuk yang dimiliki suatu citra. Sedangkan kode fraktal didasari kemiripan pola tekstur pada diri sendiri dari suatu citra Barnsely et al. 1988. Untuk mempermudah proses identifikasi tumbuhan obat, terlebih dahulu dilakukan pengelompokan ke dalam beberapa kelas atau cluster. Salah satunya menggunakan clustering Fuzzy C-Means FCM. Clustering ini menggunakan model pengelompokan fuzzy, yaitu satu data dapat menjadi anggota dari semua kelas atau cluster yang terbentuk dan setiap data dalam satu kelas atau cluster ditentukan oleh derajat keanggotaanya. Beberapa penelitian menggunakan metode fraktal adalah Chandra et al. 2009 menggunakan dimensi fraktal dalam Iris Recognition System dengan klasifikasi menggunakan tiga metode yaitu Bayes, Euclidian dan K-nearest neighbo Beberapa penelitian menggunakan metode fraktal dan Clustering FCM adalah Peng et al. 2005 menggunakan dimensi fraktal dan FCM untuk mengklasifikasi citra bawah laut. Pada penelitian ini segmentasi citra bawah laut diklasifikasikan berdasarkan dimensi fraktal yang mencerminkan sifat perubahan strukturalnya. Hasil penelitian menghasilkan tingkat akurasi 94,44 untuk struktur bebatuan dan 94,12 untuk struktur cekungan. Kiani et al. 2009 menggunakan kode fraktal dan FCM untuk penyisipan watermark pada sebuah gambar. Penyisipan watermark dilakukan terhadap blok domain gambar berdasarkan hasil klasifikasi dengan FCM sehingga meningkatkan kapasitas dan kecepatan prosedur watermarking. Hasil penelitian menghasilkan tingkat akurasi 96,7 . r K-NN. Tingkat akurasi pada penelitian ini adalah 100 untuk semua data training dan 90 untuk data yang berbeda. Mozaffari 2005 menggunakan kode fraktal untuk pengenalan pola karakter dan digit bahasa arab dengan klasifikasi menggunakan Support Vector Machine SVM dan Radial Basis Function RBF Neural Network. Hasil penelitian menujukan klasifikasi dengan SVM mencapai tingkat pengenalan pola 91,33 untuk karakter dan 92,71 untuk digit. Sedangkan klasifikasi dengan RBF mencapai tingkat pengenalan pola 90,9 untuk karakter dan 91,70 untuk digit. Penelitian lainnya, Dimpy 2011 menggunakan dimensi fraktal dan klasifikasi Probabilistic Neural Network PNN untuk mengidentifikasi tumbuhan obat dengan tingkat akurasi hasil penelitian 67 . Berdasarkan penelitian-penelitian sebelumnya, maka dalam penelitian ini mengusulkan sistem identifikasi tumbuhan obat berbasis fraktal menggunakan clustering FCM.

1.2. Perumusan Masalah

Perumusan masalah adalah menganalisis ekstraksi tumbuhan obat menggunakan fraktal dengan metode clustering FCM.

1.3. Tujuan Penelitian

Tujuan dari penelitian ini adalah mengembangkan sistem identifikasi tumbuhan obat menggunakan fraktal dan clustering FCM .

1.4. Ruang Lingkup Penelitian

Data penelitian adalah daun tumbuhan obat yang berada di kebun Biofarmaka IPB dan di rumah kaca Konservasi Ex-Situ Tumbuhan Obat Hutan Tropika Indonesia, Fakultas Kehutanan IPB.