IIDENTIFIKASIDENTIFIKASI DDAUNAUN

BBERDASARKANERDASARKAN FFITURITUR TTULANGULANG

DDAUNAUN MMENGGUNAKANENGGUNAKAN

AALGORITMALGORITMA EEKSTRAKSIKSTRAKSI

MMINUTIAEINUTIAE

Arga Wahyumianto

2209 105 047

Pembimbing :

1. Dr. I Ketut Eddy Purnama, ST., MT

2. Christyowidiasmoro, ST., MT

LATAR BELAKANG

� Tulang daun sebagai salah satu biometric dari

tumbuhan

� Struktur tulang daun (pola venasi) merupakan

fitur unik lain yang membedakan jenis fitur unik lain yang membedakan jenis

tumbuhan

Pahalawatta, KK. 2008. PLANT SPECIES BIOMETRIC USING FEATURE HIERARCHIES, Department of Computer Science and Software Engineering University of Canterbury.

PERMASALAHAN

1. Identifikasi daun berdasarkan tulang daun

2. Metode ekstraksi fitur dalam mendapatkan fitur

tulang dauntulang daun

TUJUAN

� Menggunakan algoritma metode minutiae

extraction yang digunakan pada sidik jari untuk

diterapkan pada ekstraksi fitur tulang daun

� Melakukan identifikasi terhadap citra daun

berdasarkan informasi hasil ekstraksi fitur tulang

daun.

BATASAN MASALAH

� Citra daun yang digunakan sebagai data masukan

adalah citra daun yang berbentuk tunggal.

� Tulang daun yang digunakan untuk identifikasi � Tulang daun yang digunakan untuk identifikasi

merupakan jenis menyirip.

DESAIN

Citra Daun

Pengolahan CitraKlasifikasispesies

Kohonen

Tulang daun

Ekstraksi fiturCabang t.daun

Pola cabang tulang daun

Training

Inteligent

Data

Pengenalan Citra

PENGOLAHAN CITRA

Citra Daun

Pre-processing

Pengolahan Citra

Segmentasi

Pre-processing

Morfologi Tulang daun

METODE EKSTRAKSI

1. Menggunakan Window Matrik 3 x 3

Algoritma Metode Ekstraksi cabang tulang daun = Algoritma

Metode Ekstraksi minutiae

Crossing Number

2. Window Matrik melakukan scanning terhadap citra daun

3. Melakukan perhitungan Crossing Number

4. Apabila pusat matrik window tepat dengan posisi pixel citra yang diproses, hasil CN = 3 , hal itu menandakan percabangan dari tulang daun,

5. Mendapatkan koordinat citra yang terletak pada pusat matrik window, dan tandai dengan warna biru.

CN = 3

window, dan tandai dengan warna biru.

HASIL EKSTRAKSI

Titik Biru � Cabang Tulang Daun

CABANG TULANG DAUN

Pola � Jumlah cabang tulang daun � Input Kohonen

Level 2

Level 0

Level 1

TREE CABANG TULANG DAUN

ANode A = Root = Jumlah

cabang level 0

Node B = Child = Jumlah

cabang level 1 *

BC

D E

Node C = Child = Jumlah

cabang level 1**

Node D = Leaf = Jumlah

cabang level 2 *

Node E = leaf = Jumlah

cabang level 2 **

KET :* Cabang tulang daun bagian atas (citra daun terletak secara horizon)** Cabang tulang daun bagian bawah (citra daun terletak secara horizon)

KOHONEN

KOHONEN

1. Menetapkan :a. Input data yang dinormalisasib. Jumlah kelas

2. Inisialisasi :a. Bobot Input (wij) dengan nilai sembarang atau dengan menggunakan rumus :

b. Set parameter learning rate (α).c. Set maksimum epoh (MaxEpoh).

3. Set Epoh = 04. Kerjakan jika Epoh < MaxEpoh

a. Epoh = Epoh + 1b. Pilih data secara acak, misalnya data terpilih data ke-j.c. Cari jarak antara data ke-j dengan tiap bobot input ke-i (Dj) :

d. Cari jarak yang terkecil (pemenang)5. Update bobot yang baru :

HASIL IDENTIFIKASI

Inisialisasi awal :

W1 = [0,58 0,4 0,65]

W2 = [0,6 0,3 0,8]

W3 = [0,4 0,5 0,75]

W4 = [0,3 0,4 0,5]

α = 0,8α = 0,8

HASIL IDENTIFIKASI

Kelompok 1 Kelompok 1 Kelompok 1 Kelompok 1 : Jambu Biji: Jambu Biji: Jambu Biji: Jambu Biji

Kelompok 2 Kelompok 2 Kelompok 2 Kelompok 2 : Terong Hijau: Terong Hijau: Terong Hijau: Terong Hijau

Kelompok 3 Kelompok 3 Kelompok 3 Kelompok 3 : Cabai Lokal: Cabai Lokal: Cabai Lokal: Cabai Lokal

Kelompok 4 Kelompok 4 Kelompok 4 Kelompok 4 : Ubi Jalar: Ubi Jalar: Ubi Jalar: Ubi Jalar

KESIMPULAN

� Untuk mengekstraksi fitur tulang daun bisadigunakan algoritma metode minutiae pada sidikjari untuk mendeteksi cabang tulang daun.jari untuk mendeteksi cabang tulang daun.

� Rata-rata tingkat keberhasilan aplikasi dalamklasifikasi menggunakan kohonen untuk menentukankelas ketiga daun tumbuhan yakni 94,386% untukjambu biji, 89,469% untuk terong hijau, 85,417% untuk cabai lokal dan 99,731% untuk ubi jalar.

REFERENSI

1) Pahalawatta, KK. 2008. PLANT SPECIES BIOMETRIC USING FEATURE HIERARCHIES, Department of Computer Science and Software Engineering University of Canterbury.

2) Thai, Raymond. 2003. Fingerprint Image Enhancement and Minutiae Extraction, School of Computer Science and Software Engineering, The University of Western Australia.

3) Azman, Mohd. 2010. ANALYSIS OF FINGERPRINT PERFORMANCE AMONG LEFT HANDED AND RIGHT HANDED PEOPLE, UNIVERSITI TEKNOLOGI MALAYSIA.

4) Putra, Darma. 2009. PENGOLAHAN CITRA DIGITAL. ANDI YOYAKARTA.

5) M, Rahmadhani, Herdiyeni, Yeni. 2010. Shape and Vein Extraction on Plant Leaf Images Using Fourier and B-Spline Modeling. IPB

6) R. C. Gonzalez, R. E. Woods, and S. L. Eddins, Digital Image Processing Using MATLAB. Prentice Hall, 2004

7) Lam, L., Seong-Whan Lee, and Ching Y. Suen, "Thinning Methodologies-A Comprehensive Survey," IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol 14, No. 9, September 1992, page 879, bottom of first column through top of second column.

8) Pontoan, Kendo. 2005. LEAF SPESIES RECOGNITION USING ARTIFICIAL INTELLIGENT. Elektro ITS