Review paper “Plants Images Classification Based on Textural Features using Combined Classifier” by M. Z.

Rashad , B.S.el-Desouky , and Manal S .Khawasik

Asih Setiyorini -- E1E114005

Summary

Latar Belakang. Banyak tanaman yang mempunyai informasi penting untuk perkembangan di masyarakat. Namun
banyak dari tanaman-tanaman ini beresiko mengalami kepunahan sehingga sangat diperlukan suatu pembuatan
database untuk menyimpan data-data tentang tanaman tersebut. Sehingga peneliti mengusulkan suatu metode
klasifikasi tanaman yang dapat mengenali berbagai jenis tanaman untuk dapat digunakan oleh para ahli di bidang
botani.Beberapa penelitian telah dilakukan untuk klasifikasi tanaman dengan menggunakan metode membandingkan
kesamaan antar fitur, PCA, Semi-SLLE+K-NN, k-NN(k=5), LLE+K-NN, SLLE+K-NN, Wavelet transform + gaussin
interpolation, Hyper sphere classifier, RBPNN, MMC, k-NN (k=4), BPNN, PCA + SVM, MLNN, dan Wavelet
transforms + SVM. Namun dari penelitian sebelumnya terdapat kelemahan yaitu penelitian tersebut tidak bisa
digunakan pada semua jenis tanaman serta hanya berlaku pada spesies tertentu dan penelitian tersebut tidak dapat
digunakan pada tanaman yang rusak. Hal ini disebabkan karena perhitungan algoritma yang kurang tepat pada
penelitian-penelitian sebelumnya.

Tujuan. Pada paper ini diperkenalkan suatu cara pengklasifikasian tumbuhan berdasarkan teksturnya dengan
menggunakan metode gabungan klasifikasi Learning Vector Quantization (LVQ) dan Radial Basis Function (RBF).

Metode. Peneliti mengambil gambar dengan kamera digital dan gambar disimpan dalam format BMP. Gambar
kemudian diubah ke skala abu-abu dengan menggunakan kode pada Matlab. Selanjutnya peneliti menggunakan
metode gabungan gabungan klasifikasi Learning Vector Quantization (LVQ) dan Radial Basis Function (RBF).

Hasil Eksperimen. Untuk mendapatkan hasil terbaik dari algoritma yang diusulkan, peneliti mengubah beberapa
faktor yang terdapat pada gambar. Peneliti mengubah nomor jangka waktu tanaman dengan resolusi gambar
berukuran 128*128. Gambar yang digunakan diatur ke dalam 10 model yang berbeda untuk pengklasifikasian.
Sehingga dari hal tersebut didapat akurasi pengklasifikasian sebesar 98,7% ,

Kesimpulan. Metode yang digunakan mempunyai tingkat akurasi lebih baik dibandingkan dengan metode
penelitian lain.

Kelebihan. Dapat digunakan pada berbagai jenis tanaman serta sangat bagus digunakan pada penelitian tanaman
yang telah rusak karena penelitian ini didasarkan pada tekstur tanaman tidak bergantung pada bentuk daun dan fitur
warna.

Kekurangan. Metode penelitian ini bisa digunakan pada tanaman yang rusak akan tetapi kerusakannya hanya pada
sebagian kecil dari bagian tanaman tersebut

Saran. Perlunya penelitian lebih lanjut dalam pengembangan metode ini agar tanaman yang rusak pada sebagian
besar dari bagian tanaman tersebut dapat diklasifikasikan karena semakin banyaknya tanaman-tanaman yang
beresiko punah.