Prototype Sistem Klasifikasi Freycinetia
ABSTRACT
ARIE QUR’ANIA. The Classification of Freycinetia Based on Stomata Anatomic Image Using K-Nearest Neighbor and Artificial Neural Network. Under direction
of AJI HAMIM WIGENA and AZIZ KUSTIYO
The classification of Freycinetia is conducted to portray the potential result and function of nutfah plasma spreader. This research is purposed to classify a variety
of Freycinetia based on stomata anatomic image by K -Nearest Neighbor K-NN and Artificial Neural Network ANN. The Variety of Freycinetia classification
can be described by using two different ways that are morphology and anatomic characteristic. Stomata anatomic image is used to support morphology
characteristic in the identification process, especially in uncompleted morphology image specimen and sample. There are two feature extraction techniques in this
research. First, is to pick up the color and gray scale element in the image. The scale element has a red, green and blue color RGB. The grayscale has an
entropy, contrast, energy, homo geneity, gray scale and deviation standard. Second, is a wavelet decomposition technique which has a function for decreasing
a size of the image without loosing its important element. The taken element becomes a coefficient image of w -entropy for each wavelet level. Ninety six data
is used in this research, it contains of four kinds of Freycinetia. They are Freycinetia angustifolia, Freycinetia imbricata, Freycinetia javanica, and
Freycinetia sumatrana. The result shows an accuracy level for K-NN according to RGB and gray scale is 86 .46 and according to wavelet decomposition is
96.88. Whereas, the accuracy level of ANN based on RGB color and gray scale element is 94.79 and according to wavelet decomposition is 9 9. The
classification result of plant variety, especially Freycinetia based on stomata image with high accuracy, will be an alternative tool to identify taxonomy type.
Keywords : freycinetia, rgb, grayscale, wavelet, k -nn, ann
RINGKASAN
ARIE QUR’ANIA. Klasifikasi Freycinetia Berbasis Citra Anatomi Stomata Menggunakan K-Nearest Neighbor dan Jaringan Syaraf Tiruan . Dibimbing oleh
AJI HAMIM WIGENA dan AZIZ KUSTIYO.
Freycinetia merupakan genus terbesar kedua dari famil i Pandanaceae, yang memiliki sekitar 200-300 jenis Stone 1970; Callmander et al. 2003.
Klasifikasi jenis Freycinetia dilakukan menggunakan dua cara, yaitu ciri morfologi dan ciri anatomi. Ciri anatomi stomata dapat digunakan untuk
mendukung ciri morfologi dalam proses klasifikasi jenis, khususnya pada kasus spesimen atau sampel yang memiliki ciri morfologi yang tidak lengkap.
Bagian anatomi yang dapat dianalisis adalah bagian permukaan daun yang menghasilkan
ciri bentuk serta jumlah epidermis dan stomata. P engamatan anatomi stomata di laboratorium dilakukan dengan membuat sayatan irisan paradermal posisi irisan
memanjang untuk dibuat preparat yang s iap diamati menggunakan mikroskop . Hasil pengamatan mikroskop kemudian dianalisis berdasarkan jumlah epidermis
dan stomata untuk menghasilkan nilai kerapatan dan indeks stomata. Proses perhitungan
nilai kerapatan dan indeks stomata membutuhkan keahlian, pengalaman, ketelitian dan waktu dalam
menentukan karakteristik jenis Freycinetia.
Penelitian terdahulu menggunakan citra dengan praproses nilai red, green, blue RGB pada citra warna dan analisis tekstur pada citra grayscale untuk
identifikasi jenis kayu menggunakan Jaringan Syaraf Tiruan Gasim 2006 telah dilakukan dengan tingkat akurasi 100. Penelitian tersebut menggunakan
praproses lain yaitu wavelet dengan tingkat pengenalan tertinggi mencapai 60 . Tujuan utama dari penelitian ini adalah mengkl asifikasikan jenis Freycinetia
berbasis citra anatomi stomata menggunakan K-Nearest Neighbor K-NN dan Jaringan Syaraf Tiruan JST dan membandingkan tingkat akurasi kedua teknik
tersebut dengan ekstraksi fitur RGB, analisis tekstur dan dekomposisi wavelet. Manfaat penelitian diharapkan dapat memberikan metode alternatif untuk
membantu proses identifikasi jenis tumbuhan khususnya Freycinetia. Ruang lingkup dari penelitian ini adalah data digital citra anatomi stomata sebanyak 96
data, terdiri atas 80 data latih dan 16 data uji. Data citra anatomi stomata Freycinetia terdiri atas empat jenis, yaitu Freycinetia angustifolia, Freycinetia
imbricata, Freycinetia javanica, dan Freycinetia sumatrana .
Dua teknik ekstraksi fitur digunakan dalam penelitian ini . Pertama adalah ekstraksi fitur pada citra warna dan citra grayscale. Citra warna memiliki fitur
red, green, dan blue RGB, sedangkan citra grayscale memiliki fitur entropi, kontras, energi, homogenitas, skala keabuan, dan standar deviasi. Fitur entropi,
kontras, energi, dan homogenitas dikenal dengan analisis tekstur Haralick et al. 1973. Kedua adalah ekstraksi fitur dengan dekomposisi wavelet pada level satu,
level dua, level tiga, dan level empat. Dekomposisi wavelet level satu membagi citra menjadi empat subband, yang menghasilkan empat fitur w-entropy.