1 PB
1 PB
Abstrak
Tumbuhan Mangrove adalah tanaman pepohonan atau komunitas tanaman yang hidup di
antara laut dan daratan yang dipengaruhi oleh pasang surut. Indonesia memiliki hutan
mangrove yang terluas di dunia dan juga memiliki keragaman hayati yang terbesar serta
strukturnya paling bervariasi. Di Indonesia tercatat setidaknya terdapat 202 jenis tumbuhan
mangrove, meliputi 89 jenis pohon, 5 jenis palma, 19 jenis pemanjat, 44 jenis herba tanah, 44
jenis epifit dan 1 jenis paku. Dari 202 jenis tersebut, 43 jenis (diantaranya 33 jenis pohon dan
beberapa jenis perdu) ditemukan sebagai mangrove sejati (true mangrove), sementara jenis
lain ditemukan disekitar mangrove dan dikenal sebagai jenis mangrove ikutan (asociate).
Dengan banyaknya jenis mangrove di Indonesia, maka diperlukan sebuah aplikasi untuk
memudahkan mengetahui jenis mangrove tanpa perlu lagi menggunakan buku panduan untuk
mengetahui jenis mangrove tersebut. Salah satu cara yang dapat digunakan untuk mengetahui
jenis mangrove yaitu dengan melakukan klasifikasi berdasarkan karakteristik morfologi atau
ciri-ciri fisik terhadap mangrove tersebut. Pada penelitian ini, metode klasifikasi yang
digunakan adalah K-Nearest Neighbor (KNN) yaitu sebuah metode pengklasifikasian data.
Pengklasifikasian tumbuhan mangrove menggunakan metode KNN adalah dengan cara
mencari kerabat terdekat dari data uji terhadap data latih tumbuhan mangrove yang tersedia.
Aplikasi pada penelitian ini dibuat berbasis web. Tingkat keberhasilan sistem dalam melakukan
klasifikasi didapat sebesar 77,77 %.
9
Jurnal Coding, Sistem Komputer Untan
Volume 04, No.3 (2016), hal. 9-21 ISSN : 2338-493X
10
Jurnal Coding, Sistem Komputer Untan
Volume 04, No.3 (2016), hal. 9-21 ISSN : 2338-493X
11
Jurnal Coding, Sistem Komputer Untan
Volume 04, No.3 (2016), hal. 9-21 ISSN : 2338-493X
3. METODOLOGI PENELITIAN
Gambar 2. Diagram Blok Perancangan
Proses penelitian dimulai dari studi
Sistem
literatur, yaitu mencari referensi dari
berbagai sumber, kemudian melakukan
Gambar 2 adalah gambaran secara
pengumpulan data yang diperlukan dalam
umum sistem pada penelitian ini.
penelitian, data yang telah didapat
Karakteristik morfologi atau ciri fisik pada
selanjutnya dianalisis untuk digunakan
tumbuhan mangrove akan dimasukkan ke
sebagai masukan. Langkah selanjutnya
dalam sistem yang selanjutnya akan
adalah melakukan perancangan untuk
dilakukan proses klasifikasi menggunakan
diimplementasikan pada sistem yang
metode KNN dan akan menghasilkan
kemudian akan dilakukan pengujian.
keluaran berupa nama kerajaan, divisi,
Pengujian dilakukan agar dapat mengetahui
kelas, ordo, famili dan genus tumbuhan
masukan dan keluaran sesuai dengan
mangrove yang ingin dikenali.
kebutuhan, dan jika masih terjadi kesalahan
maka akan diperbaiki agar sistem dapat
4.3. Flowchart Aplikasi Klasifikasi
digunakan dengan baik.
Jenis Tumbuhan Mangrove
4.3.1. Flowchart Sistem
4. PERANCANGAN SISTEM
4.1. Perancangan Sistem Mulai
Sebelum membuat aplikasi, yang
dilakukan terlebih dahulu adalah merancang
masukan yang digunakan. Masukan yang
digunakan pada aplikasi ini adalah 11 Menentukan
karakteristik morfologi atau ciri fisik Data Latih
tumbuhan mangrove yaitu bentuk tanaman,
bentuk akar, bentuk buah, bentuk daun,
susunan daun, tata letak daun, bentuk ujung
daun, letak bunga, rangkaian bunga, warna
Simpan Data Latih
mahkota bunga dan habitat tempat tumbuh.
Pada penelitian ini akan digunakan metode
KNN untuk memproses data masukan.
Setelah merancang dan mengetahui Masukkan
masukan yang digunakan untuk metode Data Uji
KNN, selanjutnya merancang susunan Tumbuhan
database untuk menyimpan data latih yang Mangrove
diperlukan metode KNN. Database
Management System (DBMS) yang
digunakan adalah MySQL. Keluaran yang
dihasilkan aplikasi ini berupa hasil Proses Klasifikasi
klasifikasi tumbuhan mangrove berupa
nama kerajaan, divisi, kelas, ordo, famili
dan genus tumbuhan mangrove yang ingin
dikenali. Selesai
12
Jurnal Coding, Sistem Komputer Untan
Volume 04, No.3 (2016), hal. 9-21 ISSN : 2338-493X
Tidak
Masukkan Ya
Data Latih
Hasil Berupa
Tingkatan
Klasifkasi Jenis
Keterangan
Tumbuhan Gagal
Mangrove
Menentukan
Nama
Tumbuhan
Mangrove Selesai
Ya
Data Baru
Simpan Data Baru Database Gambar 5. Flowchart Pengujian
Disimpan ?
13
Jurnal Coding, Sistem Komputer Untan
Volume 04, No.3 (2016), hal. 9-21 ISSN : 2338-493X
4.3.4. Flowchart Klasifikasi Tumbuhan nama genus dalam rentang nilai K lalu
Mangrove selanjutnya akan didapatkan hasil dari
Mulai
proses klasifikasi yaitu tingkatan klasifikasi
jenis tumbuhan mangrove yang ingin
dikenali.
Masukkan data Uji
(Data Uji
4.4. Perancangan Basis Data
Tumbuhan
Mangrove) 4.4.1. Entity Relationship Diagram (ERD)
b_tanaman b_akar b_buah
b_daun
bu_daun
l_bunga
14
Jurnal Coding, Sistem Komputer Untan
Volume 04, No.3 (2016), hal. 9-21 ISSN : 2338-493X
B. Tabel Sementara
Tabel sementara merupakan tabel
untuk menyimpan hasil perhitungan jarak
data uji terhadap latih. Stuktur tabel
sementara dapat dilihat pada Tabel 2.
Tabel 2. Struktur Tabel Sementara
Gambar 8. Relasi Tabel
Field Tipe data
Id Int (11)
Pada Gambar 8 dapat dijelaskan
Jarak Float
bahwa tabel data, sementara dan urut saling
Nama Varchar (30) berelasi. Tabel sementara adalah tabel
kerajaan Varchar (30) untuk menyimpan hasil perhitungan jarak
Divisi Varchar (30) yang akan mengambil id pada tabel data.
Kelas Varchar (30) Sedangkan tabel urut adalah untuk
Ordo Varchar (30) menyimpan hasil perhitungan jarak yang
famili Varchar (30) telah diurutkan yang akan mengambil id
Genus Varchar (30) pada tabel sementara.
manfaat Text
4.5. Perancangan Penggunaan
C. Tabel Urut Antarmuka
Tabel urut merupakan tabel untuk Untuk membuat aplikasi ini,
menyimpan hasil perhitungan jarak data uji diperlukan perancangan antarmuka yang
terhadap data latih yang telah diurutkan dari merupakan penghubung antara sistem dan
data terkecil hingga terbesar. Struktur tabel pengguna. Perancangan antarmuka pada
urut dapat dilihat pada Tabel 3. aplikasi ini dibuat berbasis web dengan
Tabel 3. Struktur Tabel Urut menggunakan bahasa pemrograman PHP
Field Tipe data dan database MySql. Perancangan
Id Int (11) antarmuka aplikasi dapat dilihat pada
Jarak Float Gambar 9 sampai Gambar 11.
Nama Varchar (30)
kerajaan Varchar (30)
Divisi Varchar (30)
Kelas Varchar (30)
Ordo Varchar (30)
Famili Varchar (30)
Genus Varchar (30)
manfaat Text
15
Jurnal Coding, Sistem Komputer Untan
Volume 04, No.3 (2016), hal. 9-21 ISSN : 2338-493X
16
Jurnal Coding, Sistem Komputer Untan
Volume 04, No.3 (2016), hal. 9-21 ISSN : 2338-493X
17
Jurnal Coding, Sistem Komputer Untan
Volume 04, No.3 (2016), hal. 9-21 ISSN : 2338-493X
1
Nama Mangrove
Avicennia Eucalyptifolia
Bentuk Bentuk
Tanaman Akar
1 1
Bentuk
Buah
3
Bentuk Sususnan
Daun
2
Daun
1
Tata
Letak
1
Bentuk
Ujung
1
Letak
Bunga
1
Formasi Warna Tempat
Bunga Mahkota Tumbuh
1 7 2
18
Jurnal Coding, Sistem Komputer Untan
Volume 04, No.3 (2016), hal. 9-21 ISSN : 2338-493X
1 Avicennia Alba 1 1 3 2 1 1 1 1 1 6 2
maka selanjutnya data tersebut akan 2 Avicennia Marina 1 1 3 2 1 1 1 1 1 8 1
3 Bruguiera Gymnorrhiza 1 3 1 2 1 1 1 2 3 4 2
diproses menggunakan metode KNN dan 4 Bruguiera Cylindrica 1 3 1 2 1 1 1 1 4 1 2
5 Kandelia Candel
hasil keluaran yang didapat yaitu nama 6 Sonneratia Alba
1
1
6
1
1
2
3
4
1
1
1
1
2
2
1
1
4
8
1
1
3
1
7 Xylocarpus Moluccensis 1 5 2 6 1 1 1 2 6 18 3
spesies, kerajaan, divisi, kelas, ordo, famili, 8 Amyema Anisomeres 7 8 8 4 1 1 1 2 7 13 4
9 Osbornia Octodonta
genus dan manfaat tumbuhan mangrove 1 1 9 4 1 1 2 2 4 14 3
19
Jurnal Coding, Sistem Komputer Untan
Volume 04, No.3 (2016), hal. 9-21 ISSN : 2338-493X
20
Jurnal Coding, Sistem Komputer Untan
Volume 04, No.3 (2016), hal. 9-21 ISSN : 2338-493X
DAFTAR PUSTAKA
[1] Rusila Noor, Y., M. Khazali, dan I
N.N. Suryadiputra., 2006, Panduan
Pengenalan Mangrove di Indonesia.
PHKA/WI-IP, Bogor.
[2] Whidhiasih, R. N., dkk., 2013,
Klasifikasi Buah Belimbing
Berdasarkan Citra Red Green Blue
Menggunakan KNN dan LDA. Bekasi
: Universitas Islam “45”.
[3] Jhonnerie, Romie., 2015, Klasifikasi
Mangrove Berbasis Objek Dan
Piksel Menggunakan Citra Satelit
Multispektral Di Sungai Kembung,
Bengkalis, Provinsi Riau. Bogor :
Institut Pertanian Bogor.
[4] Zainuddin, Sofa., 2014, Penerapan
Algoritma Modified K-Nearest
Neighbor (M-KNN) Pada
Pengklasifikasian Penyakit Tanaman
Kedelai. Malang : Universitas
Brawijaya.
[5] Chan L, Salleh S dan Ting C. 2010.
Face Biometrics Based on Principal
Component Analysis and Linear
Discriminant Analysis. Journal of
Computer Science. 6 (7) : 639-699.
[6] Han, J., & Kamber, M., 2006, Data
Mining Concepts and Techniques,
Ed.2. United State of America:
Elsevier.
[7] Arief, M, R., 2011, Pemrograman
Web Dinamis Menggunakan PHP
Dan MySQL. Yogyakarta : Andi
Offset.
21