IDENTIFIKASI JENIS BUNGA MENGGUNAKAN EKSTRAKSI CIRI
ORDE SATU DAN ALGORITMA MULTI SUPPORT-VECTOR
MACHINES (MULTISVM)
T. Reza Pahlevi1), Relita Buaton2), Nurhayati3)Program Studi Teknik Informatika STMIK Kaputama
Jl. Veteran No. 4A - 9A, Tangsi, Binjai, Kota Binjai, Sumatera Utara 20714
ABSTRACT
Flowers are a means of generative reproduction of closed seed plants. In the flower sections there are various or also types of parts in the flower, each of which has different functions in each part of the flower, so that a long and broad discussion is needed regarding the parts of the flower on a daily basis. day is also used to refer to a structure which is botanically known as compound interest or inflorescence. Compound interest is a collection of flowers collected in one bouquet. In this context, the unit of interest that makes up compound interest is called a floret. Flower is actually a modification of the leaves and stems to support a closed fertilization system. The fertilization system is closed, namely because the ovule is protected in the ovary or ovary and this is also another characteristic. The purpose of this study was to classify 12 Banten batik motifs using the SVM method. The research was carried out in several stages, namely resizing to equalize the dimensions of the image, grayscale to simplify the image by converting it to a gray level image, median filter to remove noise in batik, and feature extraction as input for classification using SVM. The classification results using SVM order 1 is 85%, and for order 2 is 87.2.
Keywords : Interest, Identification, MULTISVM.
ABSTRAK
Bunga ialah sebagai alat perkembangbiakan generatif tumbuhan biji tertutup. Didalam bagian-bagian bunga mempunyai macam-macam atau juga jenis-jenis bagian-bagian dalam bunga yang setiap fungsinya pada masing-masing bagian bunga tersebut berbeda-beda juga, sehingga diperlukan suatu pembahasan yang panjang dan juga luas mengenai bagian-bagian bunga Bunga secara sehari-hari juga dipakai untuk menyebut struktur yang secara botani disebut sebagai bunga majemuk atau inflorescence. Bunga majemuk adalah kumpulan bunga-bunga yang terkumpul dalam satu karangan. Dalam konteks ini, satuan bunga yang menyusun bunga majemuk disebut floret.Bunga sebenarnya adalah modifikasi daun dan batang untuk mendukung sistem pembuahan tertutup. Sistem pembuahan tertutup, yaitu karena bakal biji terlindung di dalam bakal buah atau ovarium dan ini juga menjadi ciri khasnya yang lain. Tujuan dari penelitian ini adalah untuk mengklasifikasi 12 motif batik Banten menggunakan metode SVM. Penelitian dilakukan secara beberapa tahap yaitu resize untuk menyamakan dimensi citra, grayscale untuk menyederhanakan citra dengan mengubah menjadi citra aras keabuan, median filter untuk menghilangkan noise pada batik, dan ekstraksi ciri sebagai masukan untuk klasifikasi menggunakan SVM. Hasil klasifikasi menggunakan SVM orde 1 yaitu sebesar 85%, dan untuk orde 2 sebesar 87,2.
1. PENDAHULUAN
1.1 Latar Belakang Masalah
Bunga merupakan modifikasi suatu tunas (batang dan daun) yang bentuk, warna, dan susunannya disesuaikan dengan kepentingan tumbuhan. Oleh karena itu, bunga ini berfungsi sebagai tempat berlangsungnya penyerbukan dan pembuahan yang akhirnya dapat dihasilkan alat-alat perkembangbiakan. Mengingat pentingnya bunga bagi tumbuhan maka pada bunga terdapat sifat-sifat yang
merupakan penyesuaian untuk
melaksanakan fungsinya sebagai penghasil alat perkembangbiakan, pada umumnya bunga mempunyai warna menarik, berbau harum, bentuknya bermacam-macam, dan biasanya mengandung madu. Teknologi komputer saat ini terus mengalami perkembangan yang sangat pesat tarutama yang berbasis teknologi multimedia atau digital (Fitri Muwardi, Abdul Fadlil, 2017). Sistem pengenalan bunga menggunakan citra digital sebagai input yang akan diproses dan diidentifikasi bukanlah perkara mudah. Bunga mempunyai jenis yang sangat bervariasi dan tak jarang yang memiliki kesamaan bentuk dan warna sehingga sulit untuk dibedakan suatu jenis bunga. Ekstraksi ciri bertujuan untuk menajamkan perbedaan-perbedaan pola, sehingga akan mudah dalam pemisahan kategori kelas pada proseklasifikasi jenis bunga. Terdapat bermacam macam fitur dalam proses ekstrasi ciri salah satunya Orde satu dan algoritma Multi Support-Vector Machines (multisvm).
Hasil penelitian juga telah dilakukan dengan judul Klasifikasi Kematangan Buah Jeruk Berdasarkan Fitur Warna Menggunakan Metode SVM yang menunjukan bahwa kamera digital atau kamera telepon genggam kemudian dari sampel tersebut citra asli akan dikonversikan menjadi warna greyscale kemudian dari greyscale dikonversi kedalam warna LAB dengan tujuan mencari nilai warna A dari LAB dan nilai
R,G dari warna RGB (Red, Green, Blue) kemudian diambil nilai rata-ratanya dan kemudian diklasifikasikan diperoleh akurasi kecocokan dengan presentase 80% A dari data sebanyak 100 citra jeruk (Arief, 2019). Selanjutnya pada penelitian yang berjudul Klasifikasi Malware Trojan Ransomware Dengan Algoritma Support Vector Machine (SVM) yang menunjukan bahwa analisis sementara proses training dan deteksi malware harus di dukung dengan metode klasifikasi yang akurat dan efisien menunjukkan bahwa Support vector Machine (SVM) adalah metode yang kuat dan akurat untuk penyelesaian klasifikasi malware Trojan Ransomware dan normal file (Lamdompak , 2016).
1.2 Rumusan Masalah
Berdasarkan batasan masalah yang telah dikemukakan, maka rumusan masalah yang ditemukan adalah:
1. Bagaimana membangun sebuah sistem yang dapat identifikasi jenis bunga menggunakan ekstraksi ciri orde satu dan algoritma multisvm?
2. Dengan menggunakan data-data image jenis bunga, bagaimana aplikasi identifikasi jenis bunga menggunakan ekstraksi ciri orde satu dan algoritma multisvm dapat mengidentifikasi jenis bunga yang di inputkan?
1.3 Batasan Masalah
Berdasarkan rumusan masalah di atas, maka perlu dibuat batasan masalah agar pembahasan terfokus pada satu masalah yang akan dibahas, maka dapat ditentukan batasan masalah diantaranya adalah sebagai berikut:
1. Variabel input yang digunakan adalah image/pola jenis bunga.
2. Output yang dihasilkan merupakan identifikasi nama jenis bunga.
3. Aplikasi yang digunakan dalam proses identifikasi yaitu menggunakan MATLAB GUI.
1.4 Tujuan Penelitian
Adapun tujuan penelitian yang dimaksudkan adalah sebagai berikut: 1. Membangun sebuah sistem yang dapat
mengidentifikasi jenis bunga menggunakan ekstraksi ciri orde satu dan algoritma multisvm.
2. Untuk mengetahui proses ekstrasi ciri identifikasi jenis bunga menggunakan ekstraksi ciri orde satu dan algoritma multisvm.
1.5 Manfaat Penelitian
Manfaat yang diperoleh dengan adanya sistem yang dapat memprediksi tingkat kematangan buah tomat yaitu:
1. Dapat memberikan informasi terhadap jenis-jenis tanaman bunga.
2. Dapat menjadi pembelajaran mengetahui proses ekstrasi ciri jenis bunga dengan menggunakan multisvm. 2. METODOLOGI PENELITIAN 2.1 Citra
Citra merupakan istilah lain untuk gambar sebagai salah satu komponen multimedia yang memegang peranan yang sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh data teks, yaitu citra kaya dengan informasi. Secara harfiah, citra (image) adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus (continue) dari intensitas cahaya pada bidang dwimatra. Sumber cahaya menerangi objek, objek memantulkan kembali sebagai dari berkas cahaya tersebut.Pantulan cahaya ini ditangkap oleh alat-alat optik, misalnya mata pada manusia, kamera, pemindai (scanner), dan sebagainya.Sehingga bayangan objek yang disebut citra tersebut terakam (Permadi & Murinto, 2015).
2.1.1 Tekstur Citra
Tekstur dicirikan sebagai distribusi spasial dari derajat keabuan didalam sekumpulan pixel-pixel yang bertetangga.
Jadi, tekstur tidak dapat diidentifikasikan untuk sebuah pixel, melaikan suatu citra dianggap sebagai suatu kesatuan. Dapat pula dikatakan bahwa tekstur (texture) adalah sifat sifat atau karakteristik yang dimiliki oleh suatu daerah yang cukup besar sehingga secara alami sifat tersebut dapat berulang dalam daerah tersebut. Pengertian dari tekstur dalam hal ini adalah keteraturan pola-pola tertentu yang terbentuk dari susunan pixel-pixel dalam citra. Suatu permukaan dikatakan mempunyai informasi tekstur, jika luasannya diperbesar tanpa mengubah skala, maka sifat-sifat permukaan hasil perluasan mempunyai sifat kemiripan dengan permukaan asalnya (Permadi & Murinto, 2015).
Pola-pola yang teratur muncul secara berulang-ulang dengan interval jarak dan arah yang tertentu. Suatu permukaan tak berwarna dalam suatu citra dapat mengandung informasi tekstur bila permukaan itu mempunyai pola-pola tertentu seperti permukaan kayu bekas di gergaji, permukaan batu, hamparan pasir, kumpulan biji-bijian, dan sebagainya. Informasi tekstur dapat digunakan untuk membedakan sifat permukaan suatu benda dalam citra yang berhubungan dengan kasar dan halus, sifat-sifat spesifik dari kekasaran dan kehalusan permukaan tersebut, yang sama sekali lepas dari warna permukaan tersebut.
Analisis tekstur lazim dimanfaatkan sebagai proses antara untuk melakukan klasifikasi dan interpretasi citra. Suatu proses klasifikasi citra berbasis analisis tekstur pada umumnya membutuhkan tahapan ekstraksi ciri, yang dapat terbagi dalam tiga macam metode yaitu metode statistik, metode spektral dan metode struktural. Metode statistik menggunakan perhitungan statistik distribusi derajat keabuan (histogram) dengan mengukur tingkat kekontrasan, granularitas, dan kekasaran suatu daerah dari hubungan ketetanggaan antar piksel di dalam citra. Paradigma statistik ini penggunaannya tidak terbatas, sehingga sesuai untuk
tekstur-tekstur alami yang tidak terstruktur dari sub pola dan himpunan aturan (mikrostruktur) (Siska Riantini Arief, 2011 dalam Permadi & Murinto, 2015).
2.1.2 Ekstraksi Ciri
Ekstraksi ciri merupakan metode pengambilan ciri yang didasarkan pada karakteristik histogram citra.Histogram menunjukkan probabilitas kemunculan nilai derajat keabuan piksel pada suatu citra. Dari nilai-nilai pada histogram yang dihasilkan, dapat dihitung beberapa parameter ciri, antara lain adalah mean, variance, skewness, kurtosis, dan entropy (Fadil, 2012).
a. Mean (μ)
Menunjukkan ukuran dispersi dari suatu citra. 𝜇 = ∑ 𝑓𝑛 𝑝(𝑓𝑛) 𝑛 𝑛=0 . . . (2.1) Dimana :
fn = nilai intensitas keabuan p(fn) = nilai histogram
2. Variance (σ2)
Menunjukkan variasi elemen pada histogram dari suatu citra.
𝜎2 = ∑(𝑓𝑛 𝑁 𝑛=0 − 𝜇)2 𝑝(𝑓𝑛) . . . (2.2) Dimana :
fn = nilai intensitas keabuan 𝜇 = nilai mean
p(fn)= nilai histogram 3. Skewness (𝛼3 )
Menunjukkan tingkat kemencengan relatif kurva histogram dari suatu citra.
𝜎2 = 1 𝜎3∑(𝑓𝑛 𝑁 𝑛=0 − 𝜇)3 𝑝(𝑓 𝑛) . . . (2.3) Dimana :
𝜎3 = standar deviasi dari nilai intensitass keabuan
fn = nilai intensitas keabuan 𝜇 = nilai mean
p(fn)= nilai histogram 4. Kurtosis (𝛼4 )
Menunjukkan tingkat keruncingan relatif kurva histogram dari suatu citra.
𝛼4 = 1 𝜎4∑(𝑓𝑛− 𝜇) 4 𝑝(𝑓 𝑛) 𝑁 𝑛=0 . . . (2.4) Dimana :
𝛼4 = standar deviasi dari nilai intensitass keabuan
fn = nilai intensitas keabuan 𝜇 = nilai mean
p(fn)= nilai histogram 5. Entropy (H)
Menunjukkan ukuran ketidakaturan bentuk dari suatu citra.
𝐻 = − ∑ 𝑝(𝑓𝑛).2log 𝑝(𝑓 𝑛 ) 𝑁 𝑛=0 … . . . (2.5) Dimana : p(fn) = nilai histogram 2.2 Pengolahan Citra
Menurut (Putra, 2010) Pengolahan citra (image Processing) merupakan proses mengolah piksel-piksel di dalam citra digital untuk tujuan tertentu. Pada awalnya pengolahan citra ini dilakukan untuk memperbaiki kualitas citra, namun dengan berkembangnya dunia komputasi yang ditandai dengan semakin meningkatnya
kapasitas dan kecepatan proses komputer serta munculnya ilmu-ilmu komputasi yang memungkinkan manusia dapat mengambil informasi dari suatu citra. Proses pengolahan citra secara diagram proses dimulai dari pengambilan citra, perbaikan kualitas citra, sampai dengan pernyataan representatif citra yang dicitrakan sebagai berikut:
Dalam perkembangan lebih lanjut, image processing dan computer vision digunakan sebagai mata manusia, dengan perangkat input image
capture seperti kamera
dan scanner dijadikan sebagai mata dan mesin komputer (dengan program komputasinya) dijadikan sebagai otak yang mengolah informasi. Sehingga muncul beberapa pecahan bidang yang menjadi penting dalam computer vision, antara lain: pattern recognition (pengenalan pola), biometric pengenalan identifikasi manusia berdasarkan ciri-ciri biologis yang tampak pada badan manusia), content
based image and video
retrieval (mendapatkan kembali citra atau video dengan informasi tertentu), video editing, dan lain-lain.
2.2.1 Teknik-Teknik Pengolahan Citra Digital
Secara umum, teknik pengolahan citra digital dibagi menjadi tiga tingkat pengolahan, yakni sebagai berikut:
1. Pengolahan Tingkat Rendah
(Low-Level Processing)
Pengolahan ini merupakan operasional-operasional dasar dalam pengolahan citra, seperti pengurangan noise (noise reduction), perbaikan citra (image enhancement) dan restorasi citra (image restoration).
2. Pengolahan Tingkat Menengah
(Mid-Level Processing)
Pengolahan ini meliputi segmentasi pada citra, deskripsi objek, dan klasifikasi objek secara terpisah.
3. Pengolahan Tingkat Tinggi
(High-Level Processing)
Pengolahan ini meliputi analisis Citra. Dari ketiga tahap pengolahan citra digital di atas, dapat dinyatakan suatu gambaran mengenai teknik-teknik pengolahan citra digital dan macam-macamnya, antara lain sebagai berikut: 1. Image enhancement, berupa proses
perbaikan citra dengan meningkatkan kualitas citra, baik kontras maupun kecerahan.
2. Image restoration, yaitu proses memperbaiki model citra,biasanya berhubungan dengan bentuk citra yang sesuai.
3. Color image processing, yaitu suatu proses yang melibatkan citra berwarna, baik berupa image enhancement, image restoration, atau yang lainnya.
4. Wavelet dan multiresolution processing, merupakan suatu proses
yang menyatakan citra dalam beberapa resolusi.
5. Image compression, merupakan proses yang digunakan untuk mengubah ukuran data pada citra.
6. Morphological processing, yaitu proses untuk memperoleh informasi yang menyatakan deskripsi dari suatu bentuk pada citra.
7. Segmentation, merupakan proses untuk membedakan atau memisahkan objek-objek yang ada dalam suatu citra, seperti memisahkan objek dengan latar belakangnya.
8. Object recognition, yaitu suatu proses yang dilakukan untuk mengenali objek-objek apa saja yang ada dalam suatu citra.
2.3 Support Vector Machine
Support Vector Machine (SVM) merupakan salah satu metode yang digunakan dalam mengklasifikasikan suatu citra dengan konsep dasar yang
menggunakan sebuah fungsi linear atau hyperlane yang dapat memisahkan data latih kedalam dua kelas dengan memaksimalkan margin diantara kedua kelas tersebut. Jadi dapat dikatakan tujuan dalam SVM adalah berusaha untuk menemukan hyperlane atau fungsi pemisah (klasifier) yang optimal yang dapat memisahkan dua set data dari dua kelas yang berbeda. Hyperplane pemisah terbaik antara kedua kelas dapat ditemukan dengan mengukur margin hyperplane tersebut dan mencari titik maksimalnya. Margin adalah jarak antara hyperplane tersebut dengan pattern terdekat dari masing masing kelas. Pattern terdekat inilah yang disebut support vector. Garis antar pattern menunjukan hyperplane yang terbaik yaitu yang terletak tepat pada tengah tengah kedua kelas. Support vector machine merupakan golongan supervised learning yaitu memiliki proses pembelajaran yang akan menghasilkan suatu fungsi pemisah dari input-output berdasarkan sejumlah data latih (Rizky Ade Safitri et al., 2019). 2.4 Bunga
Bunga ialah sebagai alat perkembangbiakan generatif tumbuhan biji tertutup. Didalam bagian-bagian bunga mempunyai macam-macam atau juga jenis-jenis bagian dalam bunga yang setiap fungsinya pada masing-masing bagian bunga tersebut berbeda-beda juga, sehingga diperlukan suatu pembahasan yang panjang dan juga luas mengenai bagian-bagian bunga (Gurupendidikan.co.id).
Bunga (flos) atau kembang adalah struktur reproduksi seksual pada tumbuhan berbunga (divisio Magnoliophyta atau Angiospermae, “tumbuhan berbiji tertutup”). Fungsinya ialah untuk adalah untuk memediasi fusi sperma (gamet jantan) dan ovula (gamet betina) untuk produksi benih. Susunan bunga dalam tangkai disebut pembungaan. Pada bunga terdapat organ reproduksi (benang sari dan putik).
Bunga secara sehari-hari juga dipakai untuk menyebut struktur yang secara botani disebut sebagai bunga majemuk atau inflorescence. Bunga majemuk adalah kumpulan bunga-bunga yang terkumpul dalam satu karangan. Dalam konteks ini, satuan bunga yang menyusun bunga majemuk disebut floret.
Bunga sebenarnya adalah modifikasi daun dan batang untuk mendukung sistem pembuahan tertutup. Sistem pembuahan tertutup, yaitu karena bakal biji terlindung di dalam bakal buah atau ovarium dan ini juga menjadi ciri khasnya yang lain. Ciri yang terakhir ini membedakannya dari kelompok tumbuhan berbiji yang lain: tumbuhan berbiji terbuka atau Gymnospermae. Dari kedua ciri tersebut muncullah nama Anthophyta (“tumbuhan bunga”) dan Angiospermae (“berbiji terbungkus”). Nama lain yang juga dikenakan kepadanya adalah Magnoliophyta (“tumbuhan sekerabat dengan magnolia”).
2.4.1 Jenis-Jenis Bunga
Saat ini banyak jenis bunga hias yang bisa kita dapatkan di toko bunga. Biasanya toko bunga menjual lengkap dengan vas Bunga. Namun kita juga dapat membeli hanya seikat bunga. Berikut ini adalah jenis-jenis bunga yang paling disukai:
1. Bunga Mawar
Bunga Mawar merupakan Tanaman Hiasan bunga yang paling banyak dicari dan disukai oleh semua orang. Karena dengan warna dan bentuknya yang cantik, serta wanginya yang harum mampu menggugah perasaan seseorang. Oleh karena itu bunga Mawar merupakan bunga yang paling populer di dunia, dengan banyaknya jenis Mawar yang begitu memikat. Bunga Mawar disukai oleh orang tidak hanya untuk dipajang atau ditanam dalam vas atau pot bunga, tetapi juga dengan membuat kebun bunga Mawar.
2. Bunga Tulip
Bunga Tulip yang banyak tumbuh dan terkenal di negara Belanda, juga merupakan jenis Hiasan Bunga yang banyak dicari. Bunga ini tumbuh di musim dingin, dan tidak dapat tumbuh subur di tempat yang beriklim tropis. 3. Bunga Teratai
Bunga Teratai lebih dikenal masyarakat dunia dengan nama Water lily. Namun Bunga Hiasan ini bukanlah jenis dari bunga Lily. Bunga ini adalah bunga dari tanaman yang hidup dan tumbuh di permukaan air. Tanaman ini dapat tumbuh di permukaan air yang tenang, seperti di kolam, sungai atau rawa. Oleh karena itu, bagi orang-orang yang ingin memelihara bunga ini haruslah memiliki kolam untuk membudidayakannya. 4. Kembang Sepatu
Kembang Sepatu berasal dari Asia Timur. Bunga ini juga dapat dijadikan sebagai tanaman hias karena warna-warnanya yang cantik. Bunga ini merupakan jenis tanaman semak dan tumbuh di daerah yang suhunya hangat. Bunga tumbuh pada tanaman yang dapat mencapai ketinggian 2 sampai 5 meter. Daunnya mempunyai bentuk yang agak lebar dan bulat dengan ujung daun yang meruncing.
5. Kateliya (Cattleya)
Bunga Kamboja berasal dari Amerika Tengah dan banyak tumbuh di Meksiko dan Venezuela. Bunga ini lebih dikenal dengan nama Plumeria, yang diambil dari nama seorang ahli tanaman yang berasal dari Perancis dan terkenal pada abad ke-17, yaitu Charles Plumier. Sebelum terkenal dengan nama Plumeria, bunga Kamboja dikenal dengan nama Frangipani. Nama ini adalah nama seorang berkebangsaan Itali yang menemukan dan membuat minyak wangi dari bunga Kamboja di abad ke-16.
6. Bunga Melati (Jasmine)
Bunga yang tumbuh setiap tahun ini memiliki wangi yang sangat harum dan
khas. Bunga ini tumbuh di daerah tropis dan mekar pada musim semi atau musim panas. Biasanya bunga ini kuncup pada malam hari dan akan mekar lagi pada pagi hari.
7. Bunga Anyelir
Ketenaran bunga Anyelir hampir menyamai bunga Mawar, dan juga merupakan salah satu bunga yang paling populer di dunia. Bunga ini merupakan ekspresi dari suatu perasaan yang sentimental, kecantikan, serta kesegaran yang tahan lama. Bunga Anyelir kebanyakan berwarna merah muda, namun ada pula yang berwarna merah, putih, kuning dan hijau. Bentuknya bulat dengan komposisi beberapa bagian kelopak yang terpisah. Bunga ini tumbuh dan mekar di tiap tangkainya temukan aneka bunga unik di Jual Tanaman Bunga & Jual Aneka Bunga. 8. Bunga Anggrek
Bunga Anggrek yang berasal dari spesies yang bernama Orchidaseae ini dikenal sebagai bunga yang tahan lama. Bunga ini juga sangat populer dengan keeksotikannya. Oleh karena itu banyak orang yang menjadikannya sebagai tanaman hias. Bunga Anggrek mempunyai banyak warna seperti ungu, merah keunguan, putih, dan kuning. 9. Bunga Aster
Sebuah taman bunga tidak lengkap bila tidak ada Tanaman Hiasan bunga Aster. Bunga dengan banyak jenis dan warna yang cantik ini mencerminkan keriangan, kegembiraan dan kesederhanaan. Apabila anda ingin berbagi keceriaan pada seseorang dengan bunga, maka bunga Aster adalah pilihan yang tepat.
3. HASIL DAN PEMBAHASAN 3.1 Data Pedukung Penelitian
Dalam menganalisa khususnya dalam mengidentifikasi jenis bunga tentunya diperlukan data-data yang akan menjadi pendukung untuk dilakukan analisis perhitungan sebuah metode, sehingga
nantinya dapat diperoleh sebuah kesimpulan identifikasi jenis bunga berdasarkan data yang telah ditentukan. Dalam sistem mengidentifikasi jenis bunga yaitu jenis bunga . Berdasarkan data tersebut maka data-data yang diperoleh dalam penelitian pada PT. Gergas Utama Desa Gergas yaitu seperti pada tabel dibawah ini.
3.2 Penerapan Metode
Data-data yang diperlukan dalam proses analisis identifikasi jenis bunga ini adalah pola image atau gambar dari jenis bunga tersebut. Data-data gambar jenis bunga tersebut kemudian dilakukan ektrasu ciri dengan menggunakan metode orde satu.
3.2.1 Ektrasi Ciri Orde Satu
Ekstraksi ciri orde satu merupakan metode pengambilan ciri yang didasarkan pada karakteristik histogram citra. Beberapa parameter ciri orde satu antara lain adalah mean, skewness, variance, kurtosis, dan entropy. Parameter ciri tersebut dapat digunakan sebagai masukan dalam algoritma identifikasi untuk mengenali objek dalam citra. Berikut ini merupakan contoh aplikasi pemrograman matlab untuk mengidentifikasi jenis bunga menggunakan ekstraksi ciri orde satu dan algoritma multisvm.
Tabel dibawah ini merupakan pola gambar bunga yang telah dilakukan ekstrasi ciri yang dilakukan dengan cara menginputkan gambar kedalam aplikasi Matlab kemudian diperoleh ekstrasi ciri seperti pada gambar dibawah.
3.2.2 Identifikasi Menggunakan Multisvm
Sebelum melakukan identifikassi jenis bunga, maka perlu dibentuk suatu klasifikasi jenis bunga agar mudah dalam mengidentfikasi jenis bunga apa yang nantinya akan diidentifikasi. Dalam hal ini sebagai contoh perhitungan digunakan 2 jenis bunga yang nantinya akan diklasifikasi yaitu bunga mawar dan bunga sepatu. Jenis bunga ini nangtinya akan dihitung dan diklasifikan masuk kedalam jenis kelompok bunga yang tepat dan berada dalam 1 kelompok/kelas. Berikut merupakan tabel klasifikassi jenis bunga yang akan digunakan sebagai contoh perhitungan.
3.3 Pembahasan
Pada perancangan sistem penulis membangun suatu sistem yang selama ini dilakukan penelitian secara sistem yang terkomputerisasi yaitu dengan judul identifikasi jenis bunga menggunakan ekstraksi ciri orde satu dan algoritma multi support-vector machines (multisvm). Program yang dibuat dengan bahasa pemrograman Matlab beserta database yang menggunakan Microsoft Excel. Pertama penulis membangun sebuah sistem identifikasi jenis bunga menggunakan ekstraksi ciri orde satu dan algoritma multi support-vector machines (multisvm) yaitu masuk ke identifikasi bunga selanjutnya menginput data pola bunga yang akan dilakukan identifikasi.
Antarmuka (interface) merupakan salah satu layanan yang disediakan sistem operasi sebagai sarana interaksi antara pengguna dengan sistem operasi. Antarmuka adalah komponen sistem operasi yang bersentuhan langsung dengan pengguna. Dalam hubungannya dengan perangkat lunak, interface dapat diartikan sebagai sarana atau medium atau sistem operasi yang digunakan untuk menghubungkan antara perangkat mikroprosesor agar dapat berkomunikasi dengan pengguna (user). Sedangkan pada konteks perangkat keras interface berarti komponen elektronika
mengkomunikasikan prosesor dengan komponen atau perangkat lain dalam suatu sistem. Berikut penjelasan interface proses utama program.
1. Tahap Pilihan GUIDE
Tahap ini adalah tahap awal dimana user harus menjalankan program identifikasi jenis bunga secara elektronik dengan bahasa pemrograman Matlab dan harus memilih pilihan Guide pada tampilan dibawah ini.
2. Tahap Pilihan Open Existing GUIDE Tahap ini menampilkan beberapa pilihan pada menu program yang akan di buka namun terlebih utama harus memilih yang lebih awal yaitu open existing guide dan pilihan halaman utama. 3. Tahap Menjalankan Program (run)
Pada tahap ini Bareskrim harus menjalankan program ini (run) untuk bisa melanjutkan ke tahap selanjutnya. 4. Tampilan Halaman Utama
Tampilan halaman utama ini dimana pengguna hanya bisa membuka menu identifikasi bunga, bantuan dan keluar.
5. Proses pelatihan dan pengujian Proses pelatihan dan pengujian dilakukan untuk melatih data dan mengenalkan pola-pola inputan pola bunga yang nantinya akan dikenali oleh sistem yang kemudian ketika dilakukan proses pengujian maka sistem dapat mengidentifikasi jenis bunga yang diinputkan. Berikut merupakan hasil dari peroses pelatihan dan pengujian ketika di jalankan.
6. Tampilan Identifikasi
Pada saat pengguna masuk ke menu identifikasi bunga berisi perintah dan proses identifikasi, dimulai buka citra pola gambar bunga kemudian proses ekstrasi dengan metode orde satu kemudian proses identifikasi untuk mengetahui jenis identifikasi jenis. Adapun tapimlan prosesnya yaiu sebaai berikut.
Berdasarkan data bunga yang diinputkan bahwa identifikasi bunga alamanda sesuai dan benar. Untuk mengidentifikasi jenis bunga yang lain dapat dilakukan dengan cara yang sama.
7. Tampilan Bantuan
Pada tampilan bantuan untuk mengetahui prose cara penggunan sistem ini yaitu sebagai berikut.
4. KESIMPULAN
Dari hasil analisa berdasarkan identidikasi jenis bunga data pola bunga yang telah diproses, maka dapat diambil suatu kesimpulan sebagai berikut:
1 Dengan menggunakan softaware Matlab dapat dibangun sebuah sistem GUI y dapat dibangun sebuah sistem identifikasi jenis bunga menggunakan ekstraksi ciri orde satu dan algoritma multisvm.
2. Berdasarkan analisis yang telah dilakukan aplikasi identifikasi jenis bunga menggunakan ekstraksi ciri orde satu dan algoritma multisvm dapat mengidentifikasi jenis bunga yang diinputkan dengan hasil tingkat akurasi data pengujian yaitu sebesar 61,76 % dari 34 data yang telah diujikan.
5. SARAN
Adapun saran yang akan menjadi syarat untuk lebih baik lagi dalam penulisan skripsi ini dan berguna diwaktu yang akan datang adalah sebagai berikut:
1. Data pola ditambah agar proses pelatihan dapat dikenali oleh sistem lebih banyak lagi dan diharapkan lebih akurat.
2. Skripsi ini dapat dilanjutkan dengan menambahkan data-data yang lebih banyak dari skripsi ini, dan diharapkan untuk dapat mengimplementasikan sistem ini dengan menggunakan software lain selain Matlab GUI.
3. Diharapkan untuk peneliti lebih lanjut untuk dapat membuat dengan menggunakan metode lain agar diperoleh informasi yang lebih baik lagi dan sebagai bahan perbandingan.
DAFTAR PUSTAKA
[1]. Ana Mariyam Puspitasari, Dian Eka Ratnawati dan Agus Wahyu Widodo. 2018. Klasifikasi Penyakit Gigi Dan Mulut Menggunakan Metode Support Vector Machine. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN: 2548-964X. Universitas Brawijaya. Medan [2]. Darma Putra. 2010. Pengelahan Citra Digital. CV. Andi Offset, Yogyakarta.
[3].Darma Putra. 2010. Pengantar Pemograman Matlab Panduan Praktis Belajar Matlab. Kompas Gramedia, Jakarta.
[4]. Erick Lamdompak S. 2016. Klasifikasi Malware Trojan Ransomware Dengan Algoritma Support Vector Machine (SVM). ANNUAL
RESEARCH SEMINAR 2016
ISBN : 979-587-626-0. Universitas Sriwijaya, Palembang
[5]. Fadlil, Abdul. 2012. Modul Kuliah Pengenalan Pola. Universitas Ahmad Dahlan, Yogyakarta.
[6]. Muchammad Arief , 2019. Klasifikasi Kematangan Buah Jeruk Berdasarkan Fitur Warna Menggunakan Metode SVM. Jurnal Ilmu Komputer dan Desain Komunikasi Visual Volume 4, Nomor 1, ISSN (Cetak) : 2541-4550 ISSN. Universitas Nahdlatul Ulama, Sidoarjo.
[7]. Rizky Ade Safitri, Siti Nurdiani, Dwiza Riana, Sri Hadianti. 2019. Klasifikasi Jenis Buah Apel Menggunaka Metode Orde 1dengan Algoritma Multy Support-Vector Machines. Jurnal Teknik Informatika dan Komputer P-ISSN 1410-5063, E-P-ISSN:
2579-3500. STMIK Nusa Mandiri, Jakarta.
[8]. Sugiarti Y. 2013.Analisis dan Perancangan UML (United Modeling Language) Generated VB.6.Graha Ilmu. Yogyakarta. [9]. Yatini IB. 2010. Flowchart, Algoritma
dan Pemrograman menggunakan Bahasa C++Builder, Graha Ilmu. Yogyakarta.
[10]. Yuda Permadi dan Murinto. 2015. Aplikasi Pengolahan Citra Untuk Identifikasi Kematangan Mentimun Berdasarkan Tekstur Kulit Buah Menggunakan Metode Ekstraksi Ciri Statistik. Jurnal Teknik Informatika. Universitas Ahmad Dahlan, Yogyakarta.
[11].https://www.gurupendidikan.co.id/pe ngertian-bunga diakses pada 30 Mei 2020.
