Gambar 2. Contoh Pengenalan Daun TOGA
Seminar Nasional Sains dan Teknologi (SENASTEK-2015), Kuta, Bali, INDONESIA, 29 –30 Oktober 2015
APLIKASI PENGENALAN DAUN TANAMAN OBAT KELUARGA
DENGAN MENGGUNAKAN METODE POLA BUSUR TERLOKALISASI
N.K.A. Wirdiani
Jurusan Teknologi Informasi, Fakultas Teknik, Universitas Udayana
ayu_wirdi@yahoo.com
P-PNL-14
Metode Penelitian
Tabel 1. Data Hasil Penelitian
Agus Suryawibawa, IKG Darma Putra, NKA Wirdiani. 2015. Herbs Recognition Based on Android using OpenCV. International Journal of Image Graphics and Signal Processing, Vol. 7, No. 2 pp. 1-7.
Milan S. 2012. Image-based Recognition of Plants. Prague : Czech Technical University.
Oka Sudana, AA.K. 2007. Implementasi Pola Model Tandatangan Jepang dan Tandatangan Indonesia untuk Verifikasi Tandatangan Latin. Jurnal Pakar, Vol 7, No 4, Yogyakarta.
Ucapan Terima Kasih
- LPPM Universitas Udayana
- Jurusan Teknologi Informasi, Fakultas Teknik, Universitas Udayana
Pendahuluan
Latar Belakang
TOGA termasuk tanaman herbal yang mudah didapat dan mudah untuk dikembangkan di Indonesia. Jenis tanaman obat ini cukup banyak sehingga menyebabkan masyarakat modern akan kesulitan untuk mengenali dan mengingat jenis tanaman tersebut. Berdasarkan permasalahan tersebut maka akan dibuat sebuah aplikasi pengenalan daun TOGA.
Permasalahan
Bagaimana cara mengenali daun TOGA berdasarkan bentuk dan ruas daun dengan menggunakan metode Pola Busur Terlokalisasi dan bagaimana metode ini dapat secara akurat melakukan pengenalan.
Tujuan
Merancang dan membangun aplikasi Sistem pengenalan daun TOGA yang dapat melakukan pengenalan daun TOGA secara akurat dengan menggunakan metode Pola Busur Terlokalisasi.
Laporan hasil pengenalan Keluaran nilai ketidaksamaan
terkecil dan ID Bentuk Daun Proses
pendaftaran Daun TOGA
Pengembang sistem
Basisdata pola model
Basisdata acuan
Proses pembuatan pola
model
Proses Pengambilan
Keputusan
Nilai threshold Proses Pencarian
Nilai Terkecil Ketidaksamaan
Proses Pencocokan Citra Daun pada
Basisdata
Nama Daun TOGA
Pengenalan Dikenali Tidak terdaftar
(FRR)
Dikenali daun berbeda (FAR)
Dadap 10 0 0
Jambu 10 0 0
Kumis Kucing 10 0 0
Mengkudu 9 0 1
Pepaya 10 0 0
Salam 7 0 3
Samiloto 4 6 0
Sirih 10 0 0
Sirsak 2 8 0
Sembung 5 5 0
Total 77 19 4
Kesimpulan
Aplikasi pengenalan daun TOGA ini memiliki sukses rasio sebesar 77%, FAR (False Accept Ratio) sebesar 4% dan FRR (False Reject Ratio) sebesar 19%. Hasil ini sangat dipengaruhi oleh pemrosesan awal dimana untuk daun yang memiliki permukaan yang mengkilap dan kasar akan menyebabkan timbulnya noise, sedangkan untuk daun yang memiliki bentuk yang kecil akan menyulikan untuk mendapatkan ciri tulang daunnya
Gambar 1. Gambaran Umum Sistem Pengenalan