Pendugaan Reflectance Berdasarkan Citra Digital Menggunakan Principal Component Analysis untuk Menduga Usia Daun Jati Belanda
PENDUGAAN REFLECTANCE BERDASARKAN CITRA
DIGITAL MENGGUNAKAN PRINCIPAL COMPONENT
ANALYSIS UNTUK MENDUGA USIA
DAUN JATI BELANDA
EL MARIYAN
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER
INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Pendugaan Reflectance
Berdasarkan Citra Digital Menggunakan Principal Component Analysis untuk
Menduga Usia Daun Tanaman Jati Belanda adalah benar karya saya dengan
arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada
perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya
yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam
teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Juni 2014
El Mariyan
G64078002
ABSTRAK
EL MARIYAN. Pendugaan Reflectance Berdasarkan Citra Digital
Menggunakan Principal Component Analysis untuk Menduga Usia
DaunTanaman Jati Belanda. Dibimbing oleh YENI HERDIYENI
Jati Belanda (Gauzuma umifolia) adalah salah satu jenis tanaman obat
yang mengandung berbagai senyawa aktif, salah satunya adalah flavonoid.
Tanaman Jati Belanda memiliki banyak manfaat di bidang kesehatan, tanaman
tersebut banyak diteliti untuk mengukur kualitas kandungan senyawa flavonoid
dengan bermacam cara yaitu uji lab kimia dan menggunakan alat. Proses
tersebut miliki tingkat akurasi tinggi dan cepat, namun dapat merusak sample
dan memperlukan biaya yang mahal. Oleh karenanya, pada penelitian kali ini
membangun sistem yang berfungsi sebagai metode kendali mutu kualitas daun
tanaman obat dengan pencitraan spektral menggunakan metode Principal
Component Analysis (PCA) dan penentuan usia dengan metode klasifikasi
Probabilistic Neural Network (PNN) berdasarkan nilai spektral reflectance.
Hasil estimasi nilai reflectance menggunakan PCA memiliki nilai RMSE
sebesar 15.26 dan GFC sebesar 91.42%. Pada penelitian ini, sistem identifikasi
usia daun tanaman Jati Belanda menggunakan orde 2 dan komponen PC4.
Akurasi hasil identifikasi usia daun adalah 86.67%.
Kata kunci: Jati Belanda, Spektral Reflectance, Principal Component Analysis
(PCA), Polynomial.
ABSTRACT
EL MARIYAN. Spectral Reflectance Estimation Based on Color Digital Image
Using Principal Component Analysis For Predicting Age of Jati Belanda
(Guazuma Ulmifolia) Leaf. Supervised by YENI HERDIYENI
Jati Belanda (Guazuma ulmifolia) is one of medicinal plants that contained
various chemical components, one of them is flavonoid. Because of Jati belanda
has many benefits in health sector, this plant was studied to control the quality
of flavonoid in different ways, usually, chemical lab and tools are used for that
experiment. Such process has high accuracy and fast, but it can damage the
sample and required very high cost. Therefore, this paper discussed on
development of a system that has function as quality control method to control
the quality of medicinal plant leaf with spectral image using principal
component analysis (PCA) and probabilistic neural network (PNN) is used to
determining age of leaf based on value of estimated reflectance. The result of
vale of estimated reflectance using PCA has RMSE value of 15.26 and GFC of
91.42%. In this research, identification system is builded by using polynomila
order 2 and the first four components to predicting age of Jati Belanda leaf.
Identification system has an accuracy of 86.67%.
Keywords: Guazuma Ulmifolia, Spectrum Reflectance, Principal Component
Analysis (PCA), Polynomial.
PENDUGAAN REFLECTANCE BERDASARKAN CITRA
DIGITAL MENGGUNAKAN PRINCIPAL COMPONENT
ANALYSIS UNTUK MENDUGA USIA
DAUN JATI BELANDA
EL MARIYAN
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
2014
Penguji: Dr Ir Agus Buono, MSi, Mkom
Hari Agung Adrianto, SKom, MSi
Judul Skripsi : Pendugaan Reflectance Berdasarkan Citra Digital Menggunakan
Principal Component Analysis untuk Menduga Usia Daun Jati
Belanda
Nama
: El Mariyan
NIM
: G64078002
Disetujui oleh
Dr Yeni Herdiyeni, SSi, MKom
Pembimbing
Diketahui oleh
Dr Ir Agus Buono, MSi, MKom
Ketua Departemen
Tanggal Lulus:
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan dengan baik.
Tema yang dipilih dalam penelitian yang dilaksanakan sejak Desember 2013 ini
berjudul “Pendugaan Reflectance Berdasarkan Digital Menggunakan Principal
Component Analysis untuk Menduga Usia Daun Jati Belanda”. Penulisan skripsi
ini dibuat sebagai salah satu syarat kelulusan program sarjana di Departemen
Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut
Pertanian Bogor.
Pada kesempatan ini, penulis mengucapkan ucapan terima kasih kepada
pihak-pihak yang telah membantu penyusunan skripsi ini, yaitu kepada:
1
Bapak dan Ibu tercinta yang telah memberikan dukungan, semangat, do’a
serta kasih sayang yang tulus diberikan.
2
Dr. Yeni Herdiyeni, SSi, MKom selaku pembimbing yang telah
memberikan bimbingan, saran, bantuan, perhatian, dan dukungannya
selama proses penelitian dan penyusunan skripsi.
3
Bapak Dr Ir Agus Buonu, MSi, MKom dan Hari Agung Adrianto, SKom,
MSi selaku dosen penguji.
4
Dosen-dosen serta para staf di Departemen Ilmu Komputer yang telah
memberikan ilmu serta bantuan kepada penulis
5
Ghatafy anaku dan Him Soty suamiku, atas izin, cinta dan kasih sayang
yang diberikan.
6
Teman-teman satu bimbingan Nurul, Dhieka, Anita, Yutika, Rake, kak
Gede dan teman-teman ilkom 44 atas saran, masukan, dan nasihat yang
diberikan kepada penulis.
7
Teman-teman Pondok Amanah C atas dukungan serta semangat yang
diberikan.
Semoga karya ilmiah ini dapat bermanfaat bagi pembaca.
Bogor, Juni 2014
El Mariyan
G64078002
DAFTAR ISI
DAFTAR TABEL
DAFTAR GAMBAR
DAFTAR LAMPIRAN
PENDAHULUAN
Latar Belakang
Tujuan Penelitian
Manfaat Penelitian
Ruang Lingkup Penelitian
TINJAUAN PUSTAKA
Jati Belanda
Spectrophotometer
RGB
Spektral Reflectance
Principal Component Analysis
Goodness of Fit Coefficient
Root Mean Square Error
Probabilistic Neural Network
K-fold Cross Validation
Confusion Matrix
METODE
Studi Pustaka
Pengambilan Data
Praproses
Pemodelan Nilai reflectance
Penentuan Usia Daun Jati Belanda
K-Fold Cross Validation
Klasifikasi menggunakan PNN
Evaluasi
Lingkungan pengembangan
HASIL DAN PEMBAHASAN
Pemodelan Nilai Reflectance
Pendugaan Usia Daun Jati Belanda
Evaluasi
Implementasi Sistem
SIMPULAN DAN SARAN
Simpulan
Saran
DAFTAR PUSTAKA
RIWAYAT HIDUP
ix
ix
x
1
1
2
2
2
2
2
3
3
4
4
6
6
7
8
8
9
10
10
11
12
12
12
13
13
13
14
14
17
19
20
21
21
21
22
32
DAFTAR TABEL
1
2
3
4
5
6
7
8
9
10
11
Confusion matrix
Dataset untuk pemodelan nilai reflectance
Model Polynomial
Pembagian data latih dan data uji dengan
Nilai RMSE dan GFC dari masing-masing dataset
Nilai eigen 6 terbesar
Persentase proporsi dari variansi
RMSE dan GFC dengan menggunakan polynomial orde 1 dan orde 2
Akurasi hasil identifikasi citra daun dengan orde 2
Akurasi hasil identifikasi usia daun Jati Belanda
Hasil identifikasi usia daun Jati Belanda pada fold 1
8
11
12
13
14
16
17
17
18
18
18
DAFTAR GAMBAR
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
Pohon Jati Belanda
Spectrophotometer
Proses pengambilan nilai reflectance dengan kamera
Panjang gelombang warna RGB
Reflectance pada permukaan
Struktur Probabilistic Neural Network
Diagram metode penelitian
Proses pengambilan data citra
Proses pengambilan data reflectance
Proses cropping citra
Estimasi nilai reflectance Jati Belanda usia 3 bulan menggunakan
dataset 1
Estimasi nilai reflectance Jati Belanda usia 3 bulan menggunakan
dataset 2
Estimasi nilai reflectance Jati Belanda usia 3 bulan menggunakan
dataset 3
Estimasi nilai reflectance Jati Belanda usia 3 bulan menggunakan
dataset 4
Informasi yang terkandung pada masing-masing komponen PCA
Hasil rata-rata nilai reflectance untuk bulan 1,2,dan3 dengan orde 2
dan komponen PC4
Antarmuka sistem perkiraan nilai reflectance dan usia daun Jati
Belanda
Tampilan hasil perkiraan nilai reflectance dan usia daun Jati
Belanda
2
3
3
4
4
7
9
10
10
11
14
15
15
15
16
19
20
21
DAFTAR LAMPIRAN
1
2
3
4
5
6
Warna 97 standar Macbeth
Data 276 potong citra daun dari 23 spesies tanaman obat
Enam komponen utama
Estimasi nilai reflectance dengan persamaan polynomial orde 1
Estimasi nilai reflectance dengan persamaan polynomial orde 2
Hasil klasifikasi usia daun dengan nilai sigma sebesar 0.95
24
25
29
30
30
31
PENDAHULUAN
Latar Belakang
Tanaman obat adalah jenis tanaman yang mengandung senyawa aktif yang
berfungsi sebagai obat untuk menyembuh maupun mencegah berbagai macam
penyakit (Fathniyah 2011). Pengobatan dengan menggunakan tanaman obat
memiliki efek samping lebih rendah dan khasiatnya pun tidak kalah dari obatobatan modern (Prapanza dan Marianto 2003). Jati Belanda (Guazuma ulmifolia)
merupakan salah satu tanaman obat yang mengandung berbagai senyawa kimia
aktif antara lain tanin, musilago, caffeine, sitosterol, friedelin, kaueronic acid,
flavonoid, saponin, anti oksidan, proanthocyanidin, dan lain sebagainya
(Sulaksana dan Jayusman 2005). Salah satu kandungan senyawa aktif tanaman
obat yang sering diteliti untuk mengukur kualitas daun Jati Belanda adalah
flavonoid. Hal ini dikarenakan senyawa flavonoid memiliki aktivitas biologi yang
menguntungkan dalam bidang farmasi. Flavonoid termasuk senyawa phenolic
alam yang memiliki potensial sebagai antioksidan dan mempunyai bioaktifitas
sebagai obat. Senyawa-senyawa ini dapat ditemukan pada batang, daun, bunga,
dan buah. Manfaat flavonoid antara lain untuk melindungi struktur sel,
meningkatkan efektivitas vitamin C, anti-inflamasi, anti virus, dan mencegah
tulang keropos (Budityastomo 2010).
Kualitas kandungan senyawa aktif tanaman obat bervariasi bergantung pada
spesies, varietas, asal geografis, budidaya, metode pemanenan, dan proses pasca
panen. Selain itu, faktor usia tanaman obat dapat dijadikan penanda mutu dari
tanaman obat tersebut (Anuradha et al. 2010). Variasi ini dapat menyebabkan
tidak konsistennya hal stabilitas produk dan keamanan obat. Penggunaan tanaman
obat yang semakin meningkat, memerlukan adanya metode kendali mutu. Sesuai
standar mutu dari WHO, obat herbal harus memenuhi beberapa persyaratan
meliputi kualitas, keamanan, dan khasiat (Depkes RI, 2000). Oleh karena itu,
menjaga konsistensi khasiat obat herbal menjadi sangat penting melalui metode
analisis kendali mutu tanaman obat untuk mengontrol kualitas dan keamanan obat.
Kendali mutu tanaman obat umumnya dapat dilakukan dengan uji lab kimia,
proses uji ini miliki akurasi yang tinggi, namun putuh waktu yang lama dan juga
dapat merusak sampel (Mao dan Xu 2006). Metode lain yang dapat digunakan
untuk melihat keragaman mutu tanaman obat adalah spektroskopi yang biasa
menggunakan infrared spectrophotometer atau spectrophotometer UV-Vis (Singh
et al. 2010). Alat tersebut cukup mahal dan sulit digunakan. Oleh karena itu,
alternatif lain untuk menganalisis kendali mutu daun tanaman Jati Belanda yaitu
dengan pengolahan citra. Pengolahan citra yang dilakukan adalah dengan
mengestimasi nilai reflectance berdasarkan nilai RGB dari sebuah citra yang
diambil dengan menggunakan kamera digital. Nilai reflectance tersebut nanti
digunakan sebagai fitur untuk menentukan kualitas tanaman obat berdasarkan usia
daun tanaman.
Pencitraan spektral telah dilakukan oleh Mansouri et al. (2008). Hasil
penelitian tersebut menunjukan bahwa metode Principal Component Analysis
(PCA) merupakan metode terbaik untuk mengestimasi spektral reflectance dari
citra RGB Macbeth Colors Checker dibandingkan dengan metode basis fourier
2
dan basis wavelet. Pencitraan spektral juga telah dimanfaatkan oleh Azizah (2013)
dengan menggunakan metode Wienner Estimation untuk menduga usia tanaman
obat dengan akurasi sebesar 73.61%. Penelitian ini menggunakan PCA untuk
menduga nilai reflectance berdasarkan warna citra digital daun Jati Belanda.
Tujuan Penelitian
Penelitian ini bertujuan untuk menduga nilai spektral reflectance dari citra
daun untuk menentukan usia daun Jati Belanda (Guazuma ulmifolia) dengan
menggunakan metode PCA.
Manfaat Penelitian
Manfaat penelitian ini adalah untuk membantu masyarakat dalam
mengetahui mutu tanaman obat dengan melihat usia daun tanaman sehingga dapat
digunakan secara benar dan tepat. Selain itu, kendali mutu berdasarkan citra
spektral reflectance, mudah digunakan, murah, cepat, dan tidak merusak sample
daun (non destruktif).
Ruang Lingkup Penelitian
Ruang lingkup penelitian ini menggunakan daun tanaman Jati Belanda
(Guazuma ulmifolia) dari kebun Biofarmaka, Dramaga IPB.
TINJAUAN PUSTAKA
Jati Belanda
Tanaman Jati Belanda atau Guazuma ulmifolia merupakan salah satu
tanaman suku Sterculiaceae dan dikenal sebagai salah satu tanaman obat.
Tanaman Jati Belanda dapat dilihat pada Gambar 1.
Gambar 1 Pohon Jati Belanda
Tanaman ini adalah tanaman pohon, dengan tinggi lebih kurang 10 meter.
Batang keras, bulat, permukaan kasar, banyak alur, berkayu, bercabang, warna
hijau keputih-putihan. Daun tunggal, bulat telur, permukaan kasar, tepi bergerigi,
ujung runcing, pangkal berlekuk, pertulangan menyirip, panjang 10-16 cm, lebar
3-6 cm, dan warna hijau. Bunga tunggal bulat di ketiak daun, warna kuning
3
berbitik-bitik merah. Buah kotak, bulat, keras, permukaan berduri, warna hitam
(Heye 1987).
Spectrophotometer
Spectrophotometer merupakan alat photometric yang mengukur spektral
transmittance, spektral reflectance, atau berhubungan dengan spektral emittance
(XR 2007). Spectrophotometer yang sering digunakan berada dalam daerah
spektral UV (utraviolet) dan visible (sinar tampak). Secara umum, spektroskopi
terdiri dari sumber cahaya dapat berupa lampu incandescent dan lampu tungsten
hologen, pemilih panjang gelombang (wavelength selector), dan detektor. Alat
spectrophotometer dapat dilihat pada Gambar 2. Hasil citra obyek yang difoto
menggunakan kamera dapat dilihat nilai reflectance-nya berdasarkan nilai RGB.
Tiap piksel citra akan menghasilkan nilai reflectance berdasarkan panjang
gelombang yang ditentukan. Proses pengambilan nilai reflectance dengan kamera
dapat dilihat pada Gambar 3.
Gambar 2 Spectrophotometer
Kamera digital
dengan detektor
CCD
Sumber
cahaya
Gambar 3 Proses pengambilan nilai reflectance dengan kamera
RGB
RGB adalah singkatan dari Red, Green, dan Blue. Model warna RGB adalah
additive primary color yang digunakan dalam sistem additive. Spektral RGB pada
4
warna elektromagnetik visible miliki jarak antara 400nm-700nm. Spektral warna
B, G, dan R adalah 435.8 nm, 546.1 nm, 700 nm untuk masing-masing warna
(Gonzalez dan Woods 2002). Panjang gelombang RGB dapat dilihat pada Gambar
4.
R
Reflectance (%)
B
G
Gambar 4 Panjang gelombang warna RGB
Spektral Reflectance
Cahaya pada permukaan obyek dapat diserap, ditransmisikan, atau
dipantulkan. Pada radiasi visible yaitu salah satu jenis radiasi elektromagnetik
dengan panjang gelompang dari 400nm-700nm yang bisa dilihat dengan mata
normal manusia. Reflectance adalah jumlah pantulan cahaya untuk gelombang
tertentu, yang menentukan warna benda tersebut (Lansel 2011).
Spektral reflectance pada permukaan yang halus, semua atau hampir semua
energi dipantulkan dangan beraturan. Reflectance pada permukaan kasar,
gelombang cahaya dipantulkan ke segala arah. Pada proses fotosintesis pantulan
reflectance dapat dilihat pada Gambar 5.
Sinar datang
Sinar pantul
sempurana
Sinar datang
Permukaan halus
Sinar pantul
Permukaan kasar
Gambar 5 Reflectance pada permukaan
Principal Component Analysis
Pendekatan dasar dalam Principal Component Analysis (PCA) atau
Karhunen-Loéve transform adalah konseptual yang cukup sederhana. Pertama,
vektor rata-rata µ berdimensi d dan matrik covariance ∑ berdimensi d×d dihitung
5
dari sebuah dataset yang lengkap. Kemudian, eigenvector dan eigenvalue dihitung,
dan diurut berdasakan penurunan nilai eigen (decreasing eigenvalue). Selanjutnya,
P eigenvector yang terbesar dipilih (Duda et al. 2000). eigenvector yang dipilih
merupakan eigenvector dengan ragam paling besar yang memuat informasi paling
banyak. PCA banyak digunakan pada applikasi yaitu: pengenalan wajah, kompresi
citra, dan pencarian pola untuk data yang miliki dimensi tinggi.
Pada bidang pengolahan citra spektral, PCA adalah salah satu metode yang
digunakan untuk estimasi nilai reflectance dari nilai RGB pada piksel tunggal
(Zhou 2007). Umumya, PCA didasarkan pada eigenvector yang diperluas dari
matrik covarian dari dataset, namun pada studi pencitraan spektral, eigenvector
diperluas dari matrik autocorrelation (Kohonen 2006).
Tahapan algoritme PCA dalam proses menduga niliai reflectance:
1 Menghitung matrik autocorrelation dari dataset
Misalkan ada spektral reflectance dengan N panjang gelombang didefinisikan
dalam persamaan (1).
, r
ri
,
r
]
(1)
dengan ri( )= spektral reflectance dari objek ke i.
Himpunan spektral dari dataset didefinisikan dalam sebuah matrik R sebagai
berikut:
(2)
dengan
N
M
= panjang gelombang
= Jumlah data spektral reflectance
sehingga matrik autocorrelation dapat dihitung dengan persamaan berikut
(Smilde et al. 2004):
(3)
dengan
C
M
R
T
2
=
=
=
=
matrik autocorrelation
jumlah data spektral reflectance
matrik himpunan spektral reflectance dari dataset
fungsi transpose.
Menghitung eigenvector dan eigenvalues dari matrik autocorrelation dengan
persamaan seperti di bawah:
CV =VE
dengan
(4)
6
V = matrik komponen PCA
E = matrik eigenvalue
kolom dari matriks V adalah eigenvector dan elemen diagonal dari matriks F
adalah eigenvalue.
3
Mengurutkan eigenvector yang koresponden dengan eigenvalue dari yang
paling besar ke yang paling kecil.
4
Memilih jumlah P eigenvectors yang paling besar sebagai komponen PCA
untuk menduga nilai dipilih reflectance. Pada penelitian ini P=6 eigenvector
sebagai komponen PCA.
5
Estimasi nilai reflectance dari warna citra digital RGB dengan persamaan
berikut (Mansouri et al 2008):
-
(5)
dengan
= reflectance yang diduga,
V = matriks basis dari spektral reflectance original dari dataset,
S = matriks sensitivity, dan
D = rata-rata RGB output kamera.
T = fungsi transpose.
Goodness of Fit Coefficient
Goodness of Fit Coefficient (GFC) adalah sebuah fungsi untuk melihat
kemiripan antara dua nilai spektral reflectance yang diduga
dan spektral
reflectance original
yang diukur dengan menggunakan alat
spectrophotometer pada panjang gelombang dengan N banyak channel spektral
dari obyek yang sama (Mansouri et al. 2008).
Nilai GFC dibagi menjadi 4 kategori rekonstruksi spektral yaitu GFC ≥
0.9999 Excellent, 0.999 ≤ GFC < 0.9999 Very Good, 0.99 ≤ GFC
DIGITAL MENGGUNAKAN PRINCIPAL COMPONENT
ANALYSIS UNTUK MENDUGA USIA
DAUN JATI BELANDA
EL MARIYAN
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER
INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Pendugaan Reflectance
Berdasarkan Citra Digital Menggunakan Principal Component Analysis untuk
Menduga Usia Daun Tanaman Jati Belanda adalah benar karya saya dengan
arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada
perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya
yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam
teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Juni 2014
El Mariyan
G64078002
ABSTRAK
EL MARIYAN. Pendugaan Reflectance Berdasarkan Citra Digital
Menggunakan Principal Component Analysis untuk Menduga Usia
DaunTanaman Jati Belanda. Dibimbing oleh YENI HERDIYENI
Jati Belanda (Gauzuma umifolia) adalah salah satu jenis tanaman obat
yang mengandung berbagai senyawa aktif, salah satunya adalah flavonoid.
Tanaman Jati Belanda memiliki banyak manfaat di bidang kesehatan, tanaman
tersebut banyak diteliti untuk mengukur kualitas kandungan senyawa flavonoid
dengan bermacam cara yaitu uji lab kimia dan menggunakan alat. Proses
tersebut miliki tingkat akurasi tinggi dan cepat, namun dapat merusak sample
dan memperlukan biaya yang mahal. Oleh karenanya, pada penelitian kali ini
membangun sistem yang berfungsi sebagai metode kendali mutu kualitas daun
tanaman obat dengan pencitraan spektral menggunakan metode Principal
Component Analysis (PCA) dan penentuan usia dengan metode klasifikasi
Probabilistic Neural Network (PNN) berdasarkan nilai spektral reflectance.
Hasil estimasi nilai reflectance menggunakan PCA memiliki nilai RMSE
sebesar 15.26 dan GFC sebesar 91.42%. Pada penelitian ini, sistem identifikasi
usia daun tanaman Jati Belanda menggunakan orde 2 dan komponen PC4.
Akurasi hasil identifikasi usia daun adalah 86.67%.
Kata kunci: Jati Belanda, Spektral Reflectance, Principal Component Analysis
(PCA), Polynomial.
ABSTRACT
EL MARIYAN. Spectral Reflectance Estimation Based on Color Digital Image
Using Principal Component Analysis For Predicting Age of Jati Belanda
(Guazuma Ulmifolia) Leaf. Supervised by YENI HERDIYENI
Jati Belanda (Guazuma ulmifolia) is one of medicinal plants that contained
various chemical components, one of them is flavonoid. Because of Jati belanda
has many benefits in health sector, this plant was studied to control the quality
of flavonoid in different ways, usually, chemical lab and tools are used for that
experiment. Such process has high accuracy and fast, but it can damage the
sample and required very high cost. Therefore, this paper discussed on
development of a system that has function as quality control method to control
the quality of medicinal plant leaf with spectral image using principal
component analysis (PCA) and probabilistic neural network (PNN) is used to
determining age of leaf based on value of estimated reflectance. The result of
vale of estimated reflectance using PCA has RMSE value of 15.26 and GFC of
91.42%. In this research, identification system is builded by using polynomila
order 2 and the first four components to predicting age of Jati Belanda leaf.
Identification system has an accuracy of 86.67%.
Keywords: Guazuma Ulmifolia, Spectrum Reflectance, Principal Component
Analysis (PCA), Polynomial.
PENDUGAAN REFLECTANCE BERDASARKAN CITRA
DIGITAL MENGGUNAKAN PRINCIPAL COMPONENT
ANALYSIS UNTUK MENDUGA USIA
DAUN JATI BELANDA
EL MARIYAN
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
2014
Penguji: Dr Ir Agus Buono, MSi, Mkom
Hari Agung Adrianto, SKom, MSi
Judul Skripsi : Pendugaan Reflectance Berdasarkan Citra Digital Menggunakan
Principal Component Analysis untuk Menduga Usia Daun Jati
Belanda
Nama
: El Mariyan
NIM
: G64078002
Disetujui oleh
Dr Yeni Herdiyeni, SSi, MKom
Pembimbing
Diketahui oleh
Dr Ir Agus Buono, MSi, MKom
Ketua Departemen
Tanggal Lulus:
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan dengan baik.
Tema yang dipilih dalam penelitian yang dilaksanakan sejak Desember 2013 ini
berjudul “Pendugaan Reflectance Berdasarkan Digital Menggunakan Principal
Component Analysis untuk Menduga Usia Daun Jati Belanda”. Penulisan skripsi
ini dibuat sebagai salah satu syarat kelulusan program sarjana di Departemen
Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut
Pertanian Bogor.
Pada kesempatan ini, penulis mengucapkan ucapan terima kasih kepada
pihak-pihak yang telah membantu penyusunan skripsi ini, yaitu kepada:
1
Bapak dan Ibu tercinta yang telah memberikan dukungan, semangat, do’a
serta kasih sayang yang tulus diberikan.
2
Dr. Yeni Herdiyeni, SSi, MKom selaku pembimbing yang telah
memberikan bimbingan, saran, bantuan, perhatian, dan dukungannya
selama proses penelitian dan penyusunan skripsi.
3
Bapak Dr Ir Agus Buonu, MSi, MKom dan Hari Agung Adrianto, SKom,
MSi selaku dosen penguji.
4
Dosen-dosen serta para staf di Departemen Ilmu Komputer yang telah
memberikan ilmu serta bantuan kepada penulis
5
Ghatafy anaku dan Him Soty suamiku, atas izin, cinta dan kasih sayang
yang diberikan.
6
Teman-teman satu bimbingan Nurul, Dhieka, Anita, Yutika, Rake, kak
Gede dan teman-teman ilkom 44 atas saran, masukan, dan nasihat yang
diberikan kepada penulis.
7
Teman-teman Pondok Amanah C atas dukungan serta semangat yang
diberikan.
Semoga karya ilmiah ini dapat bermanfaat bagi pembaca.
Bogor, Juni 2014
El Mariyan
G64078002
DAFTAR ISI
DAFTAR TABEL
DAFTAR GAMBAR
DAFTAR LAMPIRAN
PENDAHULUAN
Latar Belakang
Tujuan Penelitian
Manfaat Penelitian
Ruang Lingkup Penelitian
TINJAUAN PUSTAKA
Jati Belanda
Spectrophotometer
RGB
Spektral Reflectance
Principal Component Analysis
Goodness of Fit Coefficient
Root Mean Square Error
Probabilistic Neural Network
K-fold Cross Validation
Confusion Matrix
METODE
Studi Pustaka
Pengambilan Data
Praproses
Pemodelan Nilai reflectance
Penentuan Usia Daun Jati Belanda
K-Fold Cross Validation
Klasifikasi menggunakan PNN
Evaluasi
Lingkungan pengembangan
HASIL DAN PEMBAHASAN
Pemodelan Nilai Reflectance
Pendugaan Usia Daun Jati Belanda
Evaluasi
Implementasi Sistem
SIMPULAN DAN SARAN
Simpulan
Saran
DAFTAR PUSTAKA
RIWAYAT HIDUP
ix
ix
x
1
1
2
2
2
2
2
3
3
4
4
6
6
7
8
8
9
10
10
11
12
12
12
13
13
13
14
14
17
19
20
21
21
21
22
32
DAFTAR TABEL
1
2
3
4
5
6
7
8
9
10
11
Confusion matrix
Dataset untuk pemodelan nilai reflectance
Model Polynomial
Pembagian data latih dan data uji dengan
Nilai RMSE dan GFC dari masing-masing dataset
Nilai eigen 6 terbesar
Persentase proporsi dari variansi
RMSE dan GFC dengan menggunakan polynomial orde 1 dan orde 2
Akurasi hasil identifikasi citra daun dengan orde 2
Akurasi hasil identifikasi usia daun Jati Belanda
Hasil identifikasi usia daun Jati Belanda pada fold 1
8
11
12
13
14
16
17
17
18
18
18
DAFTAR GAMBAR
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
Pohon Jati Belanda
Spectrophotometer
Proses pengambilan nilai reflectance dengan kamera
Panjang gelombang warna RGB
Reflectance pada permukaan
Struktur Probabilistic Neural Network
Diagram metode penelitian
Proses pengambilan data citra
Proses pengambilan data reflectance
Proses cropping citra
Estimasi nilai reflectance Jati Belanda usia 3 bulan menggunakan
dataset 1
Estimasi nilai reflectance Jati Belanda usia 3 bulan menggunakan
dataset 2
Estimasi nilai reflectance Jati Belanda usia 3 bulan menggunakan
dataset 3
Estimasi nilai reflectance Jati Belanda usia 3 bulan menggunakan
dataset 4
Informasi yang terkandung pada masing-masing komponen PCA
Hasil rata-rata nilai reflectance untuk bulan 1,2,dan3 dengan orde 2
dan komponen PC4
Antarmuka sistem perkiraan nilai reflectance dan usia daun Jati
Belanda
Tampilan hasil perkiraan nilai reflectance dan usia daun Jati
Belanda
2
3
3
4
4
7
9
10
10
11
14
15
15
15
16
19
20
21
DAFTAR LAMPIRAN
1
2
3
4
5
6
Warna 97 standar Macbeth
Data 276 potong citra daun dari 23 spesies tanaman obat
Enam komponen utama
Estimasi nilai reflectance dengan persamaan polynomial orde 1
Estimasi nilai reflectance dengan persamaan polynomial orde 2
Hasil klasifikasi usia daun dengan nilai sigma sebesar 0.95
24
25
29
30
30
31
PENDAHULUAN
Latar Belakang
Tanaman obat adalah jenis tanaman yang mengandung senyawa aktif yang
berfungsi sebagai obat untuk menyembuh maupun mencegah berbagai macam
penyakit (Fathniyah 2011). Pengobatan dengan menggunakan tanaman obat
memiliki efek samping lebih rendah dan khasiatnya pun tidak kalah dari obatobatan modern (Prapanza dan Marianto 2003). Jati Belanda (Guazuma ulmifolia)
merupakan salah satu tanaman obat yang mengandung berbagai senyawa kimia
aktif antara lain tanin, musilago, caffeine, sitosterol, friedelin, kaueronic acid,
flavonoid, saponin, anti oksidan, proanthocyanidin, dan lain sebagainya
(Sulaksana dan Jayusman 2005). Salah satu kandungan senyawa aktif tanaman
obat yang sering diteliti untuk mengukur kualitas daun Jati Belanda adalah
flavonoid. Hal ini dikarenakan senyawa flavonoid memiliki aktivitas biologi yang
menguntungkan dalam bidang farmasi. Flavonoid termasuk senyawa phenolic
alam yang memiliki potensial sebagai antioksidan dan mempunyai bioaktifitas
sebagai obat. Senyawa-senyawa ini dapat ditemukan pada batang, daun, bunga,
dan buah. Manfaat flavonoid antara lain untuk melindungi struktur sel,
meningkatkan efektivitas vitamin C, anti-inflamasi, anti virus, dan mencegah
tulang keropos (Budityastomo 2010).
Kualitas kandungan senyawa aktif tanaman obat bervariasi bergantung pada
spesies, varietas, asal geografis, budidaya, metode pemanenan, dan proses pasca
panen. Selain itu, faktor usia tanaman obat dapat dijadikan penanda mutu dari
tanaman obat tersebut (Anuradha et al. 2010). Variasi ini dapat menyebabkan
tidak konsistennya hal stabilitas produk dan keamanan obat. Penggunaan tanaman
obat yang semakin meningkat, memerlukan adanya metode kendali mutu. Sesuai
standar mutu dari WHO, obat herbal harus memenuhi beberapa persyaratan
meliputi kualitas, keamanan, dan khasiat (Depkes RI, 2000). Oleh karena itu,
menjaga konsistensi khasiat obat herbal menjadi sangat penting melalui metode
analisis kendali mutu tanaman obat untuk mengontrol kualitas dan keamanan obat.
Kendali mutu tanaman obat umumnya dapat dilakukan dengan uji lab kimia,
proses uji ini miliki akurasi yang tinggi, namun putuh waktu yang lama dan juga
dapat merusak sampel (Mao dan Xu 2006). Metode lain yang dapat digunakan
untuk melihat keragaman mutu tanaman obat adalah spektroskopi yang biasa
menggunakan infrared spectrophotometer atau spectrophotometer UV-Vis (Singh
et al. 2010). Alat tersebut cukup mahal dan sulit digunakan. Oleh karena itu,
alternatif lain untuk menganalisis kendali mutu daun tanaman Jati Belanda yaitu
dengan pengolahan citra. Pengolahan citra yang dilakukan adalah dengan
mengestimasi nilai reflectance berdasarkan nilai RGB dari sebuah citra yang
diambil dengan menggunakan kamera digital. Nilai reflectance tersebut nanti
digunakan sebagai fitur untuk menentukan kualitas tanaman obat berdasarkan usia
daun tanaman.
Pencitraan spektral telah dilakukan oleh Mansouri et al. (2008). Hasil
penelitian tersebut menunjukan bahwa metode Principal Component Analysis
(PCA) merupakan metode terbaik untuk mengestimasi spektral reflectance dari
citra RGB Macbeth Colors Checker dibandingkan dengan metode basis fourier
2
dan basis wavelet. Pencitraan spektral juga telah dimanfaatkan oleh Azizah (2013)
dengan menggunakan metode Wienner Estimation untuk menduga usia tanaman
obat dengan akurasi sebesar 73.61%. Penelitian ini menggunakan PCA untuk
menduga nilai reflectance berdasarkan warna citra digital daun Jati Belanda.
Tujuan Penelitian
Penelitian ini bertujuan untuk menduga nilai spektral reflectance dari citra
daun untuk menentukan usia daun Jati Belanda (Guazuma ulmifolia) dengan
menggunakan metode PCA.
Manfaat Penelitian
Manfaat penelitian ini adalah untuk membantu masyarakat dalam
mengetahui mutu tanaman obat dengan melihat usia daun tanaman sehingga dapat
digunakan secara benar dan tepat. Selain itu, kendali mutu berdasarkan citra
spektral reflectance, mudah digunakan, murah, cepat, dan tidak merusak sample
daun (non destruktif).
Ruang Lingkup Penelitian
Ruang lingkup penelitian ini menggunakan daun tanaman Jati Belanda
(Guazuma ulmifolia) dari kebun Biofarmaka, Dramaga IPB.
TINJAUAN PUSTAKA
Jati Belanda
Tanaman Jati Belanda atau Guazuma ulmifolia merupakan salah satu
tanaman suku Sterculiaceae dan dikenal sebagai salah satu tanaman obat.
Tanaman Jati Belanda dapat dilihat pada Gambar 1.
Gambar 1 Pohon Jati Belanda
Tanaman ini adalah tanaman pohon, dengan tinggi lebih kurang 10 meter.
Batang keras, bulat, permukaan kasar, banyak alur, berkayu, bercabang, warna
hijau keputih-putihan. Daun tunggal, bulat telur, permukaan kasar, tepi bergerigi,
ujung runcing, pangkal berlekuk, pertulangan menyirip, panjang 10-16 cm, lebar
3-6 cm, dan warna hijau. Bunga tunggal bulat di ketiak daun, warna kuning
3
berbitik-bitik merah. Buah kotak, bulat, keras, permukaan berduri, warna hitam
(Heye 1987).
Spectrophotometer
Spectrophotometer merupakan alat photometric yang mengukur spektral
transmittance, spektral reflectance, atau berhubungan dengan spektral emittance
(XR 2007). Spectrophotometer yang sering digunakan berada dalam daerah
spektral UV (utraviolet) dan visible (sinar tampak). Secara umum, spektroskopi
terdiri dari sumber cahaya dapat berupa lampu incandescent dan lampu tungsten
hologen, pemilih panjang gelombang (wavelength selector), dan detektor. Alat
spectrophotometer dapat dilihat pada Gambar 2. Hasil citra obyek yang difoto
menggunakan kamera dapat dilihat nilai reflectance-nya berdasarkan nilai RGB.
Tiap piksel citra akan menghasilkan nilai reflectance berdasarkan panjang
gelombang yang ditentukan. Proses pengambilan nilai reflectance dengan kamera
dapat dilihat pada Gambar 3.
Gambar 2 Spectrophotometer
Kamera digital
dengan detektor
CCD
Sumber
cahaya
Gambar 3 Proses pengambilan nilai reflectance dengan kamera
RGB
RGB adalah singkatan dari Red, Green, dan Blue. Model warna RGB adalah
additive primary color yang digunakan dalam sistem additive. Spektral RGB pada
4
warna elektromagnetik visible miliki jarak antara 400nm-700nm. Spektral warna
B, G, dan R adalah 435.8 nm, 546.1 nm, 700 nm untuk masing-masing warna
(Gonzalez dan Woods 2002). Panjang gelombang RGB dapat dilihat pada Gambar
4.
R
Reflectance (%)
B
G
Gambar 4 Panjang gelombang warna RGB
Spektral Reflectance
Cahaya pada permukaan obyek dapat diserap, ditransmisikan, atau
dipantulkan. Pada radiasi visible yaitu salah satu jenis radiasi elektromagnetik
dengan panjang gelompang dari 400nm-700nm yang bisa dilihat dengan mata
normal manusia. Reflectance adalah jumlah pantulan cahaya untuk gelombang
tertentu, yang menentukan warna benda tersebut (Lansel 2011).
Spektral reflectance pada permukaan yang halus, semua atau hampir semua
energi dipantulkan dangan beraturan. Reflectance pada permukaan kasar,
gelombang cahaya dipantulkan ke segala arah. Pada proses fotosintesis pantulan
reflectance dapat dilihat pada Gambar 5.
Sinar datang
Sinar pantul
sempurana
Sinar datang
Permukaan halus
Sinar pantul
Permukaan kasar
Gambar 5 Reflectance pada permukaan
Principal Component Analysis
Pendekatan dasar dalam Principal Component Analysis (PCA) atau
Karhunen-Loéve transform adalah konseptual yang cukup sederhana. Pertama,
vektor rata-rata µ berdimensi d dan matrik covariance ∑ berdimensi d×d dihitung
5
dari sebuah dataset yang lengkap. Kemudian, eigenvector dan eigenvalue dihitung,
dan diurut berdasakan penurunan nilai eigen (decreasing eigenvalue). Selanjutnya,
P eigenvector yang terbesar dipilih (Duda et al. 2000). eigenvector yang dipilih
merupakan eigenvector dengan ragam paling besar yang memuat informasi paling
banyak. PCA banyak digunakan pada applikasi yaitu: pengenalan wajah, kompresi
citra, dan pencarian pola untuk data yang miliki dimensi tinggi.
Pada bidang pengolahan citra spektral, PCA adalah salah satu metode yang
digunakan untuk estimasi nilai reflectance dari nilai RGB pada piksel tunggal
(Zhou 2007). Umumya, PCA didasarkan pada eigenvector yang diperluas dari
matrik covarian dari dataset, namun pada studi pencitraan spektral, eigenvector
diperluas dari matrik autocorrelation (Kohonen 2006).
Tahapan algoritme PCA dalam proses menduga niliai reflectance:
1 Menghitung matrik autocorrelation dari dataset
Misalkan ada spektral reflectance dengan N panjang gelombang didefinisikan
dalam persamaan (1).
, r
ri
,
r
]
(1)
dengan ri( )= spektral reflectance dari objek ke i.
Himpunan spektral dari dataset didefinisikan dalam sebuah matrik R sebagai
berikut:
(2)
dengan
N
M
= panjang gelombang
= Jumlah data spektral reflectance
sehingga matrik autocorrelation dapat dihitung dengan persamaan berikut
(Smilde et al. 2004):
(3)
dengan
C
M
R
T
2
=
=
=
=
matrik autocorrelation
jumlah data spektral reflectance
matrik himpunan spektral reflectance dari dataset
fungsi transpose.
Menghitung eigenvector dan eigenvalues dari matrik autocorrelation dengan
persamaan seperti di bawah:
CV =VE
dengan
(4)
6
V = matrik komponen PCA
E = matrik eigenvalue
kolom dari matriks V adalah eigenvector dan elemen diagonal dari matriks F
adalah eigenvalue.
3
Mengurutkan eigenvector yang koresponden dengan eigenvalue dari yang
paling besar ke yang paling kecil.
4
Memilih jumlah P eigenvectors yang paling besar sebagai komponen PCA
untuk menduga nilai dipilih reflectance. Pada penelitian ini P=6 eigenvector
sebagai komponen PCA.
5
Estimasi nilai reflectance dari warna citra digital RGB dengan persamaan
berikut (Mansouri et al 2008):
-
(5)
dengan
= reflectance yang diduga,
V = matriks basis dari spektral reflectance original dari dataset,
S = matriks sensitivity, dan
D = rata-rata RGB output kamera.
T = fungsi transpose.
Goodness of Fit Coefficient
Goodness of Fit Coefficient (GFC) adalah sebuah fungsi untuk melihat
kemiripan antara dua nilai spektral reflectance yang diduga
dan spektral
reflectance original
yang diukur dengan menggunakan alat
spectrophotometer pada panjang gelombang dengan N banyak channel spektral
dari obyek yang sama (Mansouri et al. 2008).
Nilai GFC dibagi menjadi 4 kategori rekonstruksi spektral yaitu GFC ≥
0.9999 Excellent, 0.999 ≤ GFC < 0.9999 Very Good, 0.99 ≤ GFC