LAPORAN TUGAS AKHIR

PENGENALAN POLA
IDENTIFIKASI DAUN BERDASARKAN CIRI BENTUK

Oleh :

Doni Irwandi C1655201007

Muhammad Ramadhan C1655201004

JURUSAN TEKNIK INFORMATIKA

SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER

PALANGKA RAYA

2019
 KATA PENGANTAR

Puja dan puji syukur saya panjatkan kepada Tuhan yang Maha Esa atas segala
karunia nikmat serta hidayahnya sehingga kami dapat menyusun laporan yang
berjudul ‘Identifikasi Daun Berdasarkan Ciri Bentuk’ dengan lancar.

Tujuan dari penyusunan laporan ini adalah untuk memudahkan dalam

mengidentifikasi jenis daun beserta penerapan sebuah metode yang telah dipelajari
selama bangku perkuliahan.

Selesainya penyusunan laporan ini tidak lepas dari bantuan, support, arahan
dan bimbingan banyak pihak.

Akhir kata, semoga Laporan ini dapat diterima sebagai sarana informasi dan
pembelajaran kepada masyarakat umum.

Palangkaraya, Desember 2019

Penyusun

i
 DAFTAR ISI

KATA PENGANTAR ......................................................................................................... i

DAFTAR ISI....................................................................................................................... ii
DAFTAR GAMBAR ......................................................................................................... iii
BAB I PENDAHULUAN ................................................................................................... 1
1.1 Latar Belakang .................................................................................................... 1
1.2 Rumusan Masalah ............................................................................................... 2
1.3 Batasan Masalah ................................................................................................. 2
1.4 Tujuan dan Manfaat ............................................................................................ 2
BAB II LANDASAN TEORI .................................................................................................... 3
2.1 Pengertian Daun .................................................................................................. 3
2.2 Pengertian Citra .................................................................................................. 3
2.3 Algoritma K-Nearest Neighbor ........................................................................... 6
BAB III DESAIN DAN ANALISA PERANCANGAN ................................................................. 8
3.1 Analisis ............................................................................................................... 8
3.2 Perancangan Proses ........................................................................................... 10
3.3 Perancangan Sistem .......................................................................................... 10
BAB IV IMPLEMENTASI DAN PERANCANGAN ................................................................. 11
4.1 Implementasi Ekstraksi dan Klasifikasi ............................................................ 11
4.2 Implementasi Interface...................................................................................... 11
BAB V KESIMPULAN DAN SARAN .................................................................................... 13
5.1 Kesimpulan ....................................................................................................... 13
5.2 Saran ................................................................................................................. 13
DAFTAR PUSTAKA ....................................................................................................... 14

ii
 DAFTAR GAMBAR

Gambar 1. Input Citra ......................................................................................................... 8

Gambar 2. Segmentasi ........................................................................................................ 9
Gambar 3. Ekstraksi Ciri..................................................................................................... 9
Gambar 4. Klasifikasi ......................................................................................................... 9
Gambar 5. Rancangan Proses............................................................................................ 10
Gambar 6. Interface (antar muka) ..................................................................................... 11
Gambar 7. Hasil Output .................................................................................................... 12

iii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Daun adalah salah satu organ tumbuhan yang tumbuh dari ranting,
biasanya berwarna hijau (mengandung klorofil) dan terutama berfungsi
sebagai penangkap energi dari cahaya matahari untuk fotosintesis. Daun
merupakan organ penting bagi tumbuhan dalam melangsungkan hidupnya
karena tumbuhan adalah organisme autotrof obligat, ia harus memasok
kebutuhan energinya sendiri melalui konversi energi cahaya matahari
menjadi energi kimia.

Daun sempurna tersusun dari tiga bagian: pelepah, tangkai (petiolus)

dan helai daun. Pelepah daun mendudukkan daun pada batang. Tangkai daun
menghubungkan pelepah atau batang dengan helai daun. Helai daun
merupakan bagian terpenting dari kebanyakan daun karena di sinilah fungsi
utama daun sebagai organ fotosintetik paling dominan bekerja.

Bentuk helai daun sangat beragam, namun biasanya berupa helaian,

bisa tipis atau tebal. Gambaran dua dimensi daun digunakan sebagai pembeda
bagi bentuk-bentuk daun. Bentuk dasar daun membulat, dengan variasi
cuping menjari atau menjadi elips dan memanjang. Bentuk ekstremnya bisa
meruncing panjang.

Perhiasan daun bermacam-macam. Permukaan daun dapat ditumbuhi

oleh rambut-rambut kecil. Di antara pangkal daun atau tangkai daun
seringkali dihiasi dengan daun penumpu. Pada daun rumput-rumputan, di
bagian perbatasan helai dan pelepah seringkali dihiasi lidah-lidah (ligula).

Daun juga bisa bermodifikasi menjadi duri (misalnya pada kaktus) dan
berakibat daun kehilangan fungsinya sebagai organ fotosintetik. Daun
tumbuhan sukulen atau xerofit juga dapat mengalami peralihan fungsi
menjadi organ penyimpan air.

1
 Warna hijau pada daun berasal dari kandungan klorofil pada daun.
Klorofil adalah senyawa pigmen yang berperan dalam menyeleksi panjang
gelombang cahaya yang energinya diambil dalam fotosintesis. Sebenarnya
daun juga memiliki pigmen lain, misalnya karoten (berwarna jingga), xantofil
(berwarna kuning), dan antosianin (berwarna merah, biru, atau ungu,
tergantung derajat keasaman). Daun tua kehilangan klorofil sehingga
warnanya berubah menjadi kuning atau merah (dapat dilihat dengan jelas
pada daun yang gugur).

1.2 Rumusan Masalah

Berdasarkan latar belakang diatas, penulis merumuskan masalah
tersebut dalam perumusan masalah. Adapun perumusan masalah dalam
laporan Pengenenalan Pola ini seabagai berikut :

“Bagaimana membuat sebuah program pengenalan daun berdasarkan

ciri bentuk?”.

1.3 Batasan Masalah

Mengingat adanya berbagai keterbatasan selama penelitian berlangsung
dan arah penelitian dapat lebih terfokus (tidak meluas), diberikan batasan-
batasan permasalahan pada penelitian yang meliputi:

1. Pengujian dengan obyek daun.

2. Menggunkan metode algoritma K-Nearest Neighbor.

1.4 Tujuan dan Manfaat

Tujuan dan manfaat dari program pengenalan jenis daun ini adalah
sebagai berikut :

1. Tujuan
Penelitian ini bertujuan untuk mengenalkan proses pengenalan
daun berdasarkan ciri bentuk.
2. Manfaat
Untuk mengetahui jenis daun berdasarkan ciri bentuknya.

2
 BAB II
LANDASAN TEORI

2.1 Pengertian Daun

Daun adalah salah satu organ tumbuhan yang tumbuh dari ranting,
biasanya berwarna hijau (mengandung klorofil) dan terutama berfungsi
sebagai penangkap energi dari cahaya matahari untuk fotosintesis. Daun
merupakan organ penting bagi tumbuhan dalam melangsungkan hidupnya
karena tumbuhan adalah organisme autotrof obligat, ia harus memasok
kebutuhan energinya sendiri melalui konversi energi cahaya matahari
menjadi energi kimia.

2.2 Pengertian Citra

Citra Adalah suatu representasi(gambaran), Kemiripan atau inisiasi dari
suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat
bersifat optik berupa foto, bersifai analog berupa sinyal-sinyal video seperti
gambar pada monitor televisi atau bersigfat digital yang dapat langsung
disimpan pada suatu media penyimpanan.

Langkah Langkah Penting dalam pengolahan Citra :

1. Akusisi citra
Akuisisi citra adalah tahap awal untuk mendapatkan citra digital.
Tujuan akuisisi citra adalah untuk menentukan data yang diperlukan dan
memilih metode perekaman citra digital. Pencitraan adalah kegiatan
transformasi dari citra tampak(foto, gambar, lukisan,
patung,pemandangan dan lain-lain) menjadi citra digital. Beberapa alat
yang dapat digunakan untuk pencitraan adalah :

a) Vidoe kamera

b) Camera digital

c) Kamera konvensional dan converter analog to digital

d) Scanner

3
 e) Photo sinar-X / infra merah

Citra yang dihasilkan belum tentu data digital, sehingga perlu

didigitalisasi.

2. Peningkatan kualitas citra

Pada tahap ini dikenal dengan pre-processing dimana dalam
meningkatkan kualitas citra dapat meningkatkan kemungkinan dalam
keberhasilan pada tahap pengolahan citra digital berikutnya.
Hal-hal penting yang dilakukan pada tingkatan ini diantaranya
adalah :

a) Peningkatan Kualitas (Kontras, brightness, dan lain-lain)

b) Menghilangkan noise

c) Perbaikan citra

d) Transformasi

e) Menentukan bagian Citra yang akan diobservasi

3. Segmentasi citra

Tahapan ini bertujuan untuk mempartisi citra menjadi bagian-

bagian pokok yang mengandung informasi penting. Misalnya,
memisahkan objek dan latarbelakang Segmentasi terdiri dari
downsampling, penapisan dan deteksi tepian.

Tahap downsampling merupakan proses untuk menurunkan jumlah

piksel dan menghilangkan sebagian informasi dari citra. Dengan
resolusi citra yang tetap, downsampling menghasilkan ukuran citra yang
lebih kecil. Tahap segmentasi selanjutnya adalah penapisan dengan
filter median, hal ini dilakukan untuk menghilangkan derau yang
biasanya muncul pada frekuensi tinggi pada spektrum citra. Pada
penapisan dengan filter median, gray level citra pada setiap piksel
digantikan dengan nilai median dari gray level pada piksel yang terdapat

4
 pada window filter. Tahap yang terakhir pada proses segmentasi yaitu
deteksi tepian. Pendekatan algoritma Canny dilakukan berdasarkan
konvolusi fungsi citra dengan operator Gaussian dan turunan-
turunannya. Pendeteksi tepi ini dirancang untuk merepresentasikan
sebuah tepian yang ideal, dengan ketebalan yang diinginkan. Secara
umum, proses segmentasi sangat penting dan secara langsung akan
menentukan keakurasian sistem dalam proses identifikasi iris mata.

4. Representasi dan Uraian

Dalam hal ini representasi merupakan suatu proses untuk

merepresentasikan suatu wilayah sebagai suatu daftar titik-titik
koordinat dalam kurva tertutup,dengan dekripsi luasan atau
perimeternya. Setelah suatu wilayah dapatdirepresentasi, proses
selanjutnya adalah melakukan deskripsi citra dengan cara seleksi ciri
dan ekstrasi ciri (feature extraction and selection). Seleksi ciri bertujuan
untuk memilih informasi kuantitatif dari cirri yang ada, yang
dapatmembedakan kelas-kelas objek secara baik, sedangkan ekstrasi ciri
bertujuanuntuk mengukur besaran kuantitatif ciri setiap piksel, misalnya
rata-rata,standar deviasi, koefisien variasi, SignaltoNoise ratio (SNR),
dan lain-lain.

5. Pengenalan dan Interpretasi

Pengenalan pola tidak hanya bertujuan untuk mendapatkan citra

dengan suatu kualitas tertentu, tetapi juga untuk mengklasifikasikan
bermacam-macam citra, memberi label pada sebuah objek yang
informasinya disediakan oleh descriptor. Dari sejumlah citra diolah
sehingga citra dengan ciri yang sama akan dikelompokkan pada suatu
kelompok tertentu. Interpretasi meliputi penekanan dalam mengartikan
objek yang dikenali.

5
2.3 Algoritma K-Nearest Neighbor
Algoritma K-Nearest Neighbor (K-NN) adalah sebuah metode
klasifikasi terhadap sekumpulan data berdasarkan pembelajaran data yang
sudah terklasifikasikan sebelumya. Termasuk dalam supervised learning,
dimana hasil query instance yang baru diklasifikasikan berdasarkan
mayoritas kedekatan jarak dari kategori yang ada dalam K-NN.

Data pembelajaran diproyeksikan ke ruang berdimensi banyak, dimana

masing-masing dimensi merepresentasikan fitur dari data. Ruang ini dibagi
menjadi bagian-bagian berdasarkan klasifikasi data pembelajaran. Sebuah
titik pada ruang ini ditandai kelas c jika kelas c merupakan klasifikasi yang
paling banyak ditemui pada k buah tetangga terdekat titk tersebut. Dekat atau
jauhnya tetangga biasanya dihitung berdasarkan jarak Euclidean.

Pada fase pembelajaran, algoritme ini hanya melakukan penyimpanan

vektor-vektor fitur dan klasifikasi dari data pembelajaran. Pada fase
klasifikasi, fitur-fitur yang sama dihitung untuk data test (yang klasifikasinya
tidak diketahui). Jarak dari vektor yang baru ini terhadap seluruh vektor data
pembelajaran dihitung, dan sejumlah k buah yang paling dekat diambil. Titik
yang baru klasifikasinya diprediksikan termasuk pada klasifikasi terbanyak
dari titik-titik tersebut.

Nilai k yang terbaik untuk algoritme ini tergantung pada data; secara
umumnya, nilai k yang tinggi akan mengurangi efek noise pada klasifikasi,
tetapi membuat batasan antara setiap klasifikasi menjadi lebih kabur. Nilai k
yang bagus dapat dipilih dengan optimasi parameter, misalnya dengan
menggunakan cross-validation. Kasus khusus di mana klasifikasi
diprediksikan berdasarkan data pembelajaran yang paling dekat (dengan kata
lain, k = 1) disebut algoritme nearest neighbor.

Ketepatan algoritme k-NN ini sangat dipengaruhi oleh ada atau

tidaknya fitur-fitur yang tidak relevan, atau jika bobot fitur tersebut tidak
setara dengan relevansinya terhadap klasifikasi. Riset terhadap algoritme ini

6
sebagian besar membahas bagaimana memilih dan memberi bobot terhadap
fitur, agar performa klasifikasi menjadi lebih baik.

Terdapat beberapa jenis algoritme pencarian tetangga terdekat,

diantaranya:

 Linear scan
 Pohon kd
 Pohon Balltree
 Pohon metrik
 Locally-sensitive hashing (LSH)

Algoritme k-NN ini memiliki konsistensi yang kuat. Ketika jumlah data
mendekati tak hingga, algoritme ini menjamin error rate yang tidak lebih dari
dua kali Bayes error rate (error rate minimum untuk distribusi data tertentu).

7
 BAB III
DESAIN DAN ANALISA PERANCANGAN

3.1 Analisis
Analisis dilakukan terhadap data-data pendukung dan sistem yang
menentukan kebutuhan terhadap perangkat lunak yang digunakan.

1. Analisis Data
Analisa terhadap data dilakukan untuk mengetahui hasil ekstraksi
yang digunakan untuk ciri bentuk daun. Langkah awal dari data yang akan
diolah adalah mengupload daun pada sistem sebagai data input dan
segmentasi, dan hasil ekstraksi yang selanjutnya akan menjadi output yang
akan dimasukkan ke database untuk hasil klasifikasi daun berdasarkan ciri
bentuk. Proses enchant terhadap nilai input, yang akan diperoleh nilai
segmentasi. Hasil ekstraksi akan ditunjukkan berupa nilai.
Proses klasifikasi akan dilakukan dengan beberapa tahapan dalam
menentukan jenis daun dengan menggunakan proses segmentasi dan
klasifikasi K-Nearest Neighbor.
Pembentukan proses klasifikasi dan ekspresi inferensi untuk data
input dan output. Gambar 3.1 merupakan gambar input citra. Selanjutnya
Gambar 3.2 merupakan gambar segmentasi. Selanjutnya Gambar 3.3
merupakan gambar hasil ekstraksi ciri. Kemudian Gambar 3.4 merupakan
gambar hasil klasifikasi.

Gambar 1. Input Citra

8
 Gambar 2. Segmentasi

Gambar 3. Ekstraksi Ciri

Gambar 4. Klasifikasi

9
 2. Analisis kebutuhan sistem
Sistem yang akan dibuat hanya meliputi kemampuan untuk
klasifikasi jenis daun sehingga dapat memberikan informasi hasil jenis
daun.

Spesifikasi dari sistem yang dibangun memiliki beberapa fasilitas antara

lain:
Input : Upload Citra.
Output : Segmentasi, Ekstraksi Ciri dan Klasifikasi.

3.2 Perancangan Proses

Gambar 3.5 merupakan pemrosesan dari sistem klasifikasi jenis daun,
hasilnya berupa input, segmentasi, hasil ekstraksi dan hasil klasifikasi.

Gambar 5. Rancangan Proses

3.3 Perancangan Sistem

Perancangan sistem dengan menggunakan UML hanya digunakan
untuk menganalisa hasil klasifikasi jenis daun. Diagram yang akan digunakan
sistem hanya meliputi proses klasifikasi jenis daun dari data yang di-input-
kan hingga menghasilkan hasil klasifikasi jenis daun.

10
 BAB IV
IMPLEMENTASI DAN PERANCANGAN

4.1 Implementasi Ekstraksi dan Klasifikasi

Untuk analisa awal dari kesegmentasi lalu keproses ekstraksi dan
klasifikasi. Program yang akan digunakan untuk implementasi algoritma
adalah MATLAB R2017a, dengan menggunakan bahasa pemograman
Matlab.

4.2 Implementasi Interface

User hanya berlaku untuk menggunakan sistem secara langsung
melakukan proses perolehan hasil klasifikasi yang telah di-input-kan. Gambar 3.7
menunjukkan antarmuka dari sistem yang berjalan, dengan user langsung
mengupload citra. Tombol-tombol yang disediakan adalah tombol untuk melihat
segmentasi, ekstraksi dan hasil klasifikasi.

Gambar 6. Interface (antar muka)

11
 Jika antarmuka Gambar 3.8 diisikan datanya maka, untuk melihat hasil
ekstraksi dapat ditekan tombol “Load Citra-Segmentasi-Ekstraksi Ciri-Klasifikasi”,
sehingga hasilnya akan diperoleh hasil klasifikasi, seperti yang ditunjukkan pada
Gambar 3.8.

Gambar 7. Hasil Output

12
 BAB V
KESIMPULAN DAN SARAN

5.1 Kesimpulan
Dari hasil penelitian mengenai klasifikasi jenis daun, maka dapat
disimpulkan sebagai berikut :
1. Hasil klasifikasi jenis daun melalui proses segmentasi,ekstraksi ciri dan
klasifikasi.
2. Aplikasi yang dibuat dapat digunakan untuk klasifikasi jenis daun
dengan mudah.
5.2 Saran
Saran yang dapat penulis sampaikan sebagai berikut :
1. Sistem dapat digunakan untuk analisis secara luas jika dikembangkan
berbasis jaringan.
2. Sistem dapat dikembangkan dengan metode Klasifikasi yang lain agar
mendapatkan hasil prediksi yang lebih tepat.

13
 DAFTAR PUSTAKA

Rosanti, Dewi. 2013. Morfologi Tumbuhan. Jakarta: Erlangga.

Tjitroepomo,Gembong.2005.Morfologi Tumbuhan.Yogyakarta: Gadjah Mada
Univertsity Press.
Heddy, 2010. Penuntun Praktikum Botani. FAPERTA UIN Suska Riau. Pekan
Baru.

Moekti, 2009. Daun dan Alat Tambahan. UM Press. Malang.

14