Penerapan Jaringan Saraf Tiruan Radial Basis Function Pada Tools Klasifikasi Tanaman
vi
ABSTRAK
Dunia kaya akan keberagaman tanaman. Setiap Negara memiliki tanaman endemik
yang memiliki karasteriktik unik, akan tetapi masih banyak tanaman yang belum
teridentifikasi, terutama tanaman musiman yang hanya terdapat daun sepanjang tahun.
Selain itu, tanaman biasanya diidentifikasi secara manual berdasarkan taksonomi yang
membutuhkan waktu lama sehingga proses identifikasi tidak efisien terutama untuk
flora yang memiliki bentuk daun yang mirip. Oleh sebab itu, diperlukan sebuah tools
yang dapat mengidentifikasi tanaman menggunakan citra daun pada tanaman.
Penerapan sebuah metode dalam mengatasi hal ini merupakan suatu hal yang
diharuskan. Pada penelitian ini, jaringan saraf tiruan radial basis function (RBF)
digunakan sebagai metode pengidentifikasi tanaman. Teknik pre-processing gambar,
seperti grayscale, gaussian, dan threshold serta invariant moment sebagai metode
ekstraksi fitur digunakan untuk memproses gambar sebelum identifikasi menggunakan
RBF dilakukan. Penelitian menggunakan 175 citra daun dari 5 jenis tanaman, dimana
150 daun digunakan pada proses pelatihan data dan 25 lainnya digunakan untuk
pengujian. Hasil penelitian ini menunjukkan bahwa metode yang diajukan dapat
mengklasifikasi tanaman menggunakan citra daun dengan tingkat akurasi sebesar
88%.
Kata kunci: jaringan saraf tiruan; radial basis function; invariant moment; pengolahan
citra; identifikasi; klasifikasi; tanaman.
Universitas Sumatera Utara
vii
RADIAL BASIS FUNCTION NEURAL NETWORK IN FLORA
CLASSIFICATION TOOLS
ABSTRACT
World is rich by its diversed flora. Each country has its special flora which has unique
characteristics, yet there are still many flora that haven’t been identified, especially
those which only have leaves throughout the year. In addition, flora is identified
manually according to taxonomy and requires a lot of time, making the identification
inefficient especially for those with identical leaves. Therefore needed tools which can
identify the flora through its leaf image. Applying a method to the tools in overcoming
this problem is mandatory. In this research, radial basis function neural network was
used as the method in identifying the flora. Image pre-processing techniques such as
grayscale, gaussian and threshold were used along with invariant moment as its
feature extraction before the identification process started. Under this research, 175
leaves of 5 kinds of flora were used. 150 leaves were trained and the other 25 used for
the testing. The result showed that the proposed method was able to perform the leaf
classification with 88% accuracy rates.
Keywords: radial basis function; neural network; invariant moment; image
processing; identification; classification; plant.
Universitas Sumatera Utara
ABSTRAK
Dunia kaya akan keberagaman tanaman. Setiap Negara memiliki tanaman endemik
yang memiliki karasteriktik unik, akan tetapi masih banyak tanaman yang belum
teridentifikasi, terutama tanaman musiman yang hanya terdapat daun sepanjang tahun.
Selain itu, tanaman biasanya diidentifikasi secara manual berdasarkan taksonomi yang
membutuhkan waktu lama sehingga proses identifikasi tidak efisien terutama untuk
flora yang memiliki bentuk daun yang mirip. Oleh sebab itu, diperlukan sebuah tools
yang dapat mengidentifikasi tanaman menggunakan citra daun pada tanaman.
Penerapan sebuah metode dalam mengatasi hal ini merupakan suatu hal yang
diharuskan. Pada penelitian ini, jaringan saraf tiruan radial basis function (RBF)
digunakan sebagai metode pengidentifikasi tanaman. Teknik pre-processing gambar,
seperti grayscale, gaussian, dan threshold serta invariant moment sebagai metode
ekstraksi fitur digunakan untuk memproses gambar sebelum identifikasi menggunakan
RBF dilakukan. Penelitian menggunakan 175 citra daun dari 5 jenis tanaman, dimana
150 daun digunakan pada proses pelatihan data dan 25 lainnya digunakan untuk
pengujian. Hasil penelitian ini menunjukkan bahwa metode yang diajukan dapat
mengklasifikasi tanaman menggunakan citra daun dengan tingkat akurasi sebesar
88%.
Kata kunci: jaringan saraf tiruan; radial basis function; invariant moment; pengolahan
citra; identifikasi; klasifikasi; tanaman.
Universitas Sumatera Utara
vii
RADIAL BASIS FUNCTION NEURAL NETWORK IN FLORA
CLASSIFICATION TOOLS
ABSTRACT
World is rich by its diversed flora. Each country has its special flora which has unique
characteristics, yet there are still many flora that haven’t been identified, especially
those which only have leaves throughout the year. In addition, flora is identified
manually according to taxonomy and requires a lot of time, making the identification
inefficient especially for those with identical leaves. Therefore needed tools which can
identify the flora through its leaf image. Applying a method to the tools in overcoming
this problem is mandatory. In this research, radial basis function neural network was
used as the method in identifying the flora. Image pre-processing techniques such as
grayscale, gaussian and threshold were used along with invariant moment as its
feature extraction before the identification process started. Under this research, 175
leaves of 5 kinds of flora were used. 150 leaves were trained and the other 25 used for
the testing. The result showed that the proposed method was able to perform the leaf
classification with 88% accuracy rates.
Keywords: radial basis function; neural network; invariant moment; image
processing; identification; classification; plant.
Universitas Sumatera Utara