Ekstraksi dan Klasifikasi Fitur Geometri Venasi Daun Shorea Berbasis Citra Digital

Abstract

Shorea merupakan salah satu marga tumbuhan hutan hujan tropis yang memiliki 194 spesies serta kualitas kayu yang baik sehingga sering diolah sebagai bahan konstruksi ringan hingga berat. Selain hasil kayu, shorea juga memiliki hasil hutan non kayu seperti penghasil damar, tengkawang, buah nut, dan tanin. Eksploitasi hutan secara masif telah mengancam kelestarian Shorea di alam. Sebanyak 156 spesies telah tercatat dalam daftar merah IUCN (International Union for Conservation of Nature). Dari 156 spesies tersebut, 59.6% berada pada kategori critically endangered sehingga perlu dilakukan konservasi untuk menyelamatkannya dari kepunahan. Dalam pengumpulan Shorea pada fase anakan, sering kali kesulitan membedakan antara anakan Shorea jenis yang lain, sehingga dapat megakibatkan kesalahan dalam pengumpulannya. Untuk menghidari kesalahan tersebut, perlu dilakukan identifikasi. Oleh karena pentingnya identifikasi bagi botanikus sehingga diperlukan suatu sistem untuk mengidentifikasi spesies shorea dengan tepat. Proses identifikasi dapat dilakukan dengan menggunakan morfologi tumbuhan. Morfologi tumbuhan berfungsi untuk menggambarkan bagaimana wujud atau bentuk tumbuhan. Bagian tumbuhan yang mudah dijumpai dan sering digunakan untuk mengenali jenis tumbuhan adalah daun. Daun memiliki fitur utama yang membedakan setiap jenis tanaman, salah satunya yaitu stuktur urat (venasi). Venasi daun berperan penting dalam proses identifikasi karena memiliki arsitektur unik yang membedakan antar jenis tumbuhan. Matematika geometri dapat membantu dalam mengekstraksi citra venasi daun. Untuk menentukan posisi titik venasi menggunakan nilai koordinat geometri. Nilai koordinat dapat digunakan untuk menghitung sudut, jarak, dan panjang venasi. Demikian nilai koordinat juga mampu memberikan informasi penting titik venasi yang unik. Pendekatan geometri pada penelitian ini akan digunakan untuk mengekstraksi ciri dengan menghitung nilai angle, distance, length, straightness, different angle, length ratio, scale projection, dan secondary nerves. Dari ke delapan fitur tersebut dianalisis untuk mengetahui fitur yang paling berpengaruh dalam mengklasifikasikan spesies Shorea spp (S. acuminata, S. leprosula, S. ovalis, dan S. selanica). Untuk mengklasifikasikan spesies Shorea spp, teknik klasifikasi yang digunakan adalah Support Vector Machine (SVM). Hasil penelitian ini menunjukkan, bahwa pendekatan geometri dapat melakukan ekstraksi nilai fitur angle, distance, length, straightness, different angle, length ratio, scale projection, dan secondary nerves dengan baik. Untuk analisis setiap fitur menunjukkan, bahwa fitur secondary nerves merupakan fitur yang dapat membedakan ke empat spesies Shorea spp cukup baik. Kemudian hasil klasifikasi menggunakan SVM untuk identifikasi spesies Shorea spp didapat rataan akurasi tertinggi sebesar 80.82%.