Identifikasi Jenis Kayu Tropis Menggunakan Backpropagation Neural Network
BAB 1
PENDAHULUAN
1.1. Latar Belakang
Kayu merupakan salah satu komoditi yang dapat digunakan untuk beberapa keperluan,
seperti bahan bangunan, furniture, dll. Setiap jenis kayu memiliki karakteristik yang
berbeda sehingga hal tersebut dapat mempengaruhi kualitas maupun harga setiap jenis
kayu. Berdasarkan hal tersebut, identifikasi jenis kayu sangat dibutuhkan terutama bagi
pihak yang memiliki keperluan untuk mengetahui jenis kayu sehingga memungkinkan
pihak yang terkait dapat menggunakan kayu secara tepat guna.
Terdapat dua cara yang dapat dilakukan untuk mengidentifikasi jenis kayu yaitu
dengan mengamati sifat umum dan sifat anatomi kayu (Mandang & Pandit, 1997). Sifat
umum kayu yaitu sifat fisik kayu secara langsung tanpa bantuan alat pembesar
bayangan. Sifat fisik kayu meliputi warna, tekstur, arah serat, gambar, berat, kesan raba,
lingkaran tumbuh, bau dan sebagainya. Sifat anatomi meliputi bentuk, susunan dan
ukuran sel yang dapat diamati dengan bantuan alat pembesar bayangan.
Dalam mengidentifikasi jenis kayu terdapat kendala yaitu tidak semua orang
memiliki pengetahuan untuk dapat mengidentifikasi jenis kayu. Identifikasi jenis kayu
dengan mengamati sifat umum atau sifat anatomi kayu dapat dilakukan oleh orang yang
sudah ahli dan memiliki banyak pengalaman. Untuk pihak yang memiliki keperluan
untuk mengetahui jenis kayu, maka sangat penting akan kebutuhan terhadap orang yang
ahli dalam mengidentifikasi jenis kayu. Namun, ketersediaan ahli kayu sangat terbatas.
Selain itu, identifikasi secara manual yang dilakukan oleh para ahli kayu dinilai kurang
efisien karena membutuhkan waktu yang banyak.
Penelitian mengenai identifikasi jenis kayu telah beberapa kali dilakukan pada
penelitian – penelitian sebelumnya. Mohan et al. (2014) melakukan penelitian
identifikasi spesies kayu dari India dengan menggunakan Grey Level Co-Occurrence
Matrix (GLCM) untuk ekstraksi fitur tekstur kayu dan teknik klasifikasi yang digunakan
Universitas Sumatera Utara
2
adalah metode korelasi. Penelitian lainnya adalah identifikasi kayu perdagangan di
Indonesia yang dilakukan dengan menggunakan metode ekstraksi fitur citra twodimensional
principal
component
analysis
(2D-PCA) dan klasifikasi
citra
menggunakan support vector machine (Gunawan et al., 2011). Klasifikasi spesies kayu
tropis menggunakan metode kohonen self-organizing map dilakukan dengan cara
mengekstraksi citra kayu dengan teknik ekstraksi fitur Grey Level Aura Matrix
(BGLAM) dan Statistical Properties of Pores Distribution (SPPD) (Ahmad & Yusof,
2013).
Dalam penelitian ini, penulis melakukan identifikasi jenis kayu menggunakan
metode pengenalan citra dengan mengolah informasi dari citra mikroskopis penampang
lintang (cross section) kayu. Metode ekstraksi fitur yang digunakan adalah Gray Level
Co-Occurrence Matrix (GLCM). Metode yang digunakan untuk klasifikasi fitur citra
kayu adalah backpropagation neural network. Backpropagation merupakan salah satu
algoritma pembelajaran pada jaringan saraf tiruan yang dapat dilakukan untuk
pengenalan pola. Backpropagation dapat membuat keseimbangan dalam jaringan
dengan melatih jaringan untuk mampu mengenali pola yang ada pada pelatihan serta
dapat memberi respon yang benar terhadap pola masukan yang serupa dengan pola yang
digunakan pada pelatihan (Listia & Harjoko, 2014). Risaldi et al. (2014) menggunakan
metode backpropagation untuk mengklasifikasikan kualitas kayu kelapa dengan
membandingkan algoritma neural network backpropagation dan libSVM. Dalam
penelitiannya diperoleh hasil bahwa backpropagation memiliki akurasi yang lebih
tinggi. Penelitian lain menggunakan backpropagation dalam mengklasifikasikan massa
pada citra mammogram (Listia & Harjoko, 2014). Dalam penelitiannya diperoleh
bahwa tahap klasifikasi dengan backpropagation mampu mengelompokkan
mammogram ke dalam tiga kelas tumor.
Berdasarkan latar belakang diatas, maka penulis mengajukan penelitian dengan
judul
“IDENTIFIKASI
JENIS
KAYU
TROPIS
MENGGUNAKAN
BACKPROPAGATION NEURAL NETWORK”.
1.2. Rumusan Masalah
Identifikasi jenis kayu sangat dibutuhkan bagi pihak yang memiliki keperluan untuk
mengetahui jenis kayu. Dalam mengidentifikasi jenis kayu terdapat keterbatasan yaitu
tidak semua orang memiliki kemampuan untuk mengidentifikasi jenis kayu, sehingga
Universitas Sumatera Utara
3
ketersediaan orang yang ahli dalam mengidentifikasi jenis kayu sangat dibutuhkan.
Namun, ketersediaan pakar kayu sangat terbatas. Selain itu, identifikasi jenis kayu yang
dilakukan secara manual oleh para ahli kayu membutuhkan waktu yang banyak
sehingga kurang efisien. Oleh karena itu dibutuhkan suatu metode untuk
mengidentifikasi jenis kayu sehingga dapat membantu pihak yang memiliki keperluan
dalam mengetahui jenis kayu.
1.3. Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah untuk mengidentifikasi jenis kayu tropis
dengan menggunakan backpropagation neural network.
1.4. Batasan Masalah
Untuk mencegah meluasnya ruang lingkup permasalahan dalam penelitian, maka
diperlukan adanya batasan masalah. Adapun batasan masalah dalam penelitian ini
adalah:
1. Citra yang diambil berasal dari jenis kayu tropis yang tumbuh di daerah Indonesia.
2. Citra kayu yang akan diolah adalah citra pada sisi penampang melintang (cross
section) kayu yang difoto dengan menggunakan mikroskop digital.
3. Ukuran resolusi citra hasil akuisisi adalah 2560 x 1920.
4. Ekstensi file citra kayu adalah .jpeg.
5. Kayu yang akan diklasifikasikan berjumlah lima jenis.
1.5. Manfaat Penelitian
Manfaat penelitian ini adalah sebagai berikut:
1. Membantu identifikasi jenis kayu tropis.
2. Memberi masukan bagi penelitian yang lain dalam bidang pengenalan citra.
1.6. Metodologi Penelitian
Adapun tahapan – tahapan yang akan dilakukan pada penelitian adalah:
Universitas Sumatera Utara
4
1. Studi Literatur
Pada tahap ini, dilakukan pengumpulan informasi dan pembelajaran teori – teori
pada penelitian yang dilakukan dari berbagai sumber seperti buku, jurnal, prosiding
dan orang yang ahli. Informasi yang berkaitan dengan penelitian dapat berupa teori
tentang pengenalan kayu, pengolahan citra, ekstraksi fitur GLCM dan teknik
klasifikasi backpropagation neural network.
2. Analisis Permasalahan dan Perancangan
Analisis dilakukan terhadap data yang diperoleh pada tahap sebelumnya. Data yang
dianalisis digunakan sebagai sumber untuk dapat melakukan perancangan sistem.
3. Implementasi
Pada tahap ini akan dilakukan implementasi ke dalam bentuk kode program
berdasarkan analisis dan perancangan yang telah dilakukan.
4. Pengujian
Pada tahap ini akan dilakukan pengujian terhadap pengenalan jenis kayu tropis
untuk melihat apakah hasil pengenalan tersebut sudah sesuai dengan yang
diharapkan.
5. Dokumentasi dan Penyusunan Laporan
Pada tahap ini penulis akan membuat dokumentasi berupa laporan penelitian yang
akan memaparkan hasil penelitian yang telah dilakukan.
1.7. Sistematika Penulisan
Sistematika penulisan pada skripsi ini adalah sebagai berikut:
Bab 1: Pendahuluan
Bab ini berisi latar belakang, rumusan masalah, tujuan penelitian, batasan masalah,
manfaat penelitian, metodologi penelitian dan sistematika penulisan.
Bab 2: Landasan Teori
Bab ini berisi teori – teori yang digunakan dalam penelitian ini meliputi identifikasi
jenis kayu, pengolahan citra, metode gray level co-occurrence matrix sebagai metode
ekstraksi fitur dan backpropagation neural network sebagai metode klasifikasi citra.
Universitas Sumatera Utara
5
Bab 3: Analisis dan Perancangan
Bab ini berisi analisis terhadap tahap – tahap yang dilakukan pada identifikasi jenis
kayu tropis meliputi tahap akuisisi citra, pra pengolahan serta penerapan metode
ekstraksi fitur dan klasifikasi.
Bab 4: Implementasi dan Pengujian
Bab ini berisi implementasi terhadap analisis dan rancangan yang telah dipaparkan pada
Bab 3 ke dalam bentuk bahasa pemrograman. Selain itu, bab ini berisi tentang hasil
pengujian terhadap sistem yang dibangun.
Bab 5: Kesimpulan dan Saran
Bab ini berisi kesimpulan terhadap analisis dan perancangan pada Bab 3 serta hasil
pengujian sistem pada Bab 4. Bab ini juga berisi saran yang diperlukan untuk
pengembangan penelitian selanjutnya.
Universitas Sumatera Utara
PENDAHULUAN
1.1. Latar Belakang
Kayu merupakan salah satu komoditi yang dapat digunakan untuk beberapa keperluan,
seperti bahan bangunan, furniture, dll. Setiap jenis kayu memiliki karakteristik yang
berbeda sehingga hal tersebut dapat mempengaruhi kualitas maupun harga setiap jenis
kayu. Berdasarkan hal tersebut, identifikasi jenis kayu sangat dibutuhkan terutama bagi
pihak yang memiliki keperluan untuk mengetahui jenis kayu sehingga memungkinkan
pihak yang terkait dapat menggunakan kayu secara tepat guna.
Terdapat dua cara yang dapat dilakukan untuk mengidentifikasi jenis kayu yaitu
dengan mengamati sifat umum dan sifat anatomi kayu (Mandang & Pandit, 1997). Sifat
umum kayu yaitu sifat fisik kayu secara langsung tanpa bantuan alat pembesar
bayangan. Sifat fisik kayu meliputi warna, tekstur, arah serat, gambar, berat, kesan raba,
lingkaran tumbuh, bau dan sebagainya. Sifat anatomi meliputi bentuk, susunan dan
ukuran sel yang dapat diamati dengan bantuan alat pembesar bayangan.
Dalam mengidentifikasi jenis kayu terdapat kendala yaitu tidak semua orang
memiliki pengetahuan untuk dapat mengidentifikasi jenis kayu. Identifikasi jenis kayu
dengan mengamati sifat umum atau sifat anatomi kayu dapat dilakukan oleh orang yang
sudah ahli dan memiliki banyak pengalaman. Untuk pihak yang memiliki keperluan
untuk mengetahui jenis kayu, maka sangat penting akan kebutuhan terhadap orang yang
ahli dalam mengidentifikasi jenis kayu. Namun, ketersediaan ahli kayu sangat terbatas.
Selain itu, identifikasi secara manual yang dilakukan oleh para ahli kayu dinilai kurang
efisien karena membutuhkan waktu yang banyak.
Penelitian mengenai identifikasi jenis kayu telah beberapa kali dilakukan pada
penelitian – penelitian sebelumnya. Mohan et al. (2014) melakukan penelitian
identifikasi spesies kayu dari India dengan menggunakan Grey Level Co-Occurrence
Matrix (GLCM) untuk ekstraksi fitur tekstur kayu dan teknik klasifikasi yang digunakan
Universitas Sumatera Utara
2
adalah metode korelasi. Penelitian lainnya adalah identifikasi kayu perdagangan di
Indonesia yang dilakukan dengan menggunakan metode ekstraksi fitur citra twodimensional
principal
component
analysis
(2D-PCA) dan klasifikasi
citra
menggunakan support vector machine (Gunawan et al., 2011). Klasifikasi spesies kayu
tropis menggunakan metode kohonen self-organizing map dilakukan dengan cara
mengekstraksi citra kayu dengan teknik ekstraksi fitur Grey Level Aura Matrix
(BGLAM) dan Statistical Properties of Pores Distribution (SPPD) (Ahmad & Yusof,
2013).
Dalam penelitian ini, penulis melakukan identifikasi jenis kayu menggunakan
metode pengenalan citra dengan mengolah informasi dari citra mikroskopis penampang
lintang (cross section) kayu. Metode ekstraksi fitur yang digunakan adalah Gray Level
Co-Occurrence Matrix (GLCM). Metode yang digunakan untuk klasifikasi fitur citra
kayu adalah backpropagation neural network. Backpropagation merupakan salah satu
algoritma pembelajaran pada jaringan saraf tiruan yang dapat dilakukan untuk
pengenalan pola. Backpropagation dapat membuat keseimbangan dalam jaringan
dengan melatih jaringan untuk mampu mengenali pola yang ada pada pelatihan serta
dapat memberi respon yang benar terhadap pola masukan yang serupa dengan pola yang
digunakan pada pelatihan (Listia & Harjoko, 2014). Risaldi et al. (2014) menggunakan
metode backpropagation untuk mengklasifikasikan kualitas kayu kelapa dengan
membandingkan algoritma neural network backpropagation dan libSVM. Dalam
penelitiannya diperoleh hasil bahwa backpropagation memiliki akurasi yang lebih
tinggi. Penelitian lain menggunakan backpropagation dalam mengklasifikasikan massa
pada citra mammogram (Listia & Harjoko, 2014). Dalam penelitiannya diperoleh
bahwa tahap klasifikasi dengan backpropagation mampu mengelompokkan
mammogram ke dalam tiga kelas tumor.
Berdasarkan latar belakang diatas, maka penulis mengajukan penelitian dengan
judul
“IDENTIFIKASI
JENIS
KAYU
TROPIS
MENGGUNAKAN
BACKPROPAGATION NEURAL NETWORK”.
1.2. Rumusan Masalah
Identifikasi jenis kayu sangat dibutuhkan bagi pihak yang memiliki keperluan untuk
mengetahui jenis kayu. Dalam mengidentifikasi jenis kayu terdapat keterbatasan yaitu
tidak semua orang memiliki kemampuan untuk mengidentifikasi jenis kayu, sehingga
Universitas Sumatera Utara
3
ketersediaan orang yang ahli dalam mengidentifikasi jenis kayu sangat dibutuhkan.
Namun, ketersediaan pakar kayu sangat terbatas. Selain itu, identifikasi jenis kayu yang
dilakukan secara manual oleh para ahli kayu membutuhkan waktu yang banyak
sehingga kurang efisien. Oleh karena itu dibutuhkan suatu metode untuk
mengidentifikasi jenis kayu sehingga dapat membantu pihak yang memiliki keperluan
dalam mengetahui jenis kayu.
1.3. Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah untuk mengidentifikasi jenis kayu tropis
dengan menggunakan backpropagation neural network.
1.4. Batasan Masalah
Untuk mencegah meluasnya ruang lingkup permasalahan dalam penelitian, maka
diperlukan adanya batasan masalah. Adapun batasan masalah dalam penelitian ini
adalah:
1. Citra yang diambil berasal dari jenis kayu tropis yang tumbuh di daerah Indonesia.
2. Citra kayu yang akan diolah adalah citra pada sisi penampang melintang (cross
section) kayu yang difoto dengan menggunakan mikroskop digital.
3. Ukuran resolusi citra hasil akuisisi adalah 2560 x 1920.
4. Ekstensi file citra kayu adalah .jpeg.
5. Kayu yang akan diklasifikasikan berjumlah lima jenis.
1.5. Manfaat Penelitian
Manfaat penelitian ini adalah sebagai berikut:
1. Membantu identifikasi jenis kayu tropis.
2. Memberi masukan bagi penelitian yang lain dalam bidang pengenalan citra.
1.6. Metodologi Penelitian
Adapun tahapan – tahapan yang akan dilakukan pada penelitian adalah:
Universitas Sumatera Utara
4
1. Studi Literatur
Pada tahap ini, dilakukan pengumpulan informasi dan pembelajaran teori – teori
pada penelitian yang dilakukan dari berbagai sumber seperti buku, jurnal, prosiding
dan orang yang ahli. Informasi yang berkaitan dengan penelitian dapat berupa teori
tentang pengenalan kayu, pengolahan citra, ekstraksi fitur GLCM dan teknik
klasifikasi backpropagation neural network.
2. Analisis Permasalahan dan Perancangan
Analisis dilakukan terhadap data yang diperoleh pada tahap sebelumnya. Data yang
dianalisis digunakan sebagai sumber untuk dapat melakukan perancangan sistem.
3. Implementasi
Pada tahap ini akan dilakukan implementasi ke dalam bentuk kode program
berdasarkan analisis dan perancangan yang telah dilakukan.
4. Pengujian
Pada tahap ini akan dilakukan pengujian terhadap pengenalan jenis kayu tropis
untuk melihat apakah hasil pengenalan tersebut sudah sesuai dengan yang
diharapkan.
5. Dokumentasi dan Penyusunan Laporan
Pada tahap ini penulis akan membuat dokumentasi berupa laporan penelitian yang
akan memaparkan hasil penelitian yang telah dilakukan.
1.7. Sistematika Penulisan
Sistematika penulisan pada skripsi ini adalah sebagai berikut:
Bab 1: Pendahuluan
Bab ini berisi latar belakang, rumusan masalah, tujuan penelitian, batasan masalah,
manfaat penelitian, metodologi penelitian dan sistematika penulisan.
Bab 2: Landasan Teori
Bab ini berisi teori – teori yang digunakan dalam penelitian ini meliputi identifikasi
jenis kayu, pengolahan citra, metode gray level co-occurrence matrix sebagai metode
ekstraksi fitur dan backpropagation neural network sebagai metode klasifikasi citra.
Universitas Sumatera Utara
5
Bab 3: Analisis dan Perancangan
Bab ini berisi analisis terhadap tahap – tahap yang dilakukan pada identifikasi jenis
kayu tropis meliputi tahap akuisisi citra, pra pengolahan serta penerapan metode
ekstraksi fitur dan klasifikasi.
Bab 4: Implementasi dan Pengujian
Bab ini berisi implementasi terhadap analisis dan rancangan yang telah dipaparkan pada
Bab 3 ke dalam bentuk bahasa pemrograman. Selain itu, bab ini berisi tentang hasil
pengujian terhadap sistem yang dibangun.
Bab 5: Kesimpulan dan Saran
Bab ini berisi kesimpulan terhadap analisis dan perancangan pada Bab 3 serta hasil
pengujian sistem pada Bab 4. Bab ini juga berisi saran yang diperlukan untuk
pengembangan penelitian selanjutnya.
Universitas Sumatera Utara