Analisis Biometrik Kerapatan Venasi Daun Berbasis Citra Digital
View/ Open
Date
2017Author
Ambarwari, Agus
Herdiyeni, Yeni
Hermadi, Irman
Metadata
Show full item recordAbstract
Daun merupakan salah satu fitur biometrik tanaman yang berperan penting dalam adaptasi lingkungan. Daun juga memiliki beberapa fitur utama, salah satunya adalah venasi daun. Venasi daun memiliki peran yang penting dalam proses pertumbuhan tanaman, selain itu juga untuk mengetahui hubungan fisiologi dan iklim suatu tanaman. Pada setiap lingkungan yang berbeda, tanaman memiliki tipe venasi daun yang berbeda. Perbedaan tipe venasi daun ini dapat dilihat dari tingkat densitas atau kerapatan pada venasi daun.
Penelitian ini melakukan analisis kerapatan venasi daun menggunakan fitur biometrik tanaman. Untuk mendapatkan fitur-fitur kerapatan venasi daun, maka perlu dilakukan ekstraksi fitur venasi daun. Hasil ekstraksi fitur venasi daun akan menghasilkan beberapa fitur, antara lain straightness, different angle, length ratio, scale projection, skeleton length, number of segment, total skeleton length, projected leaf area, number of branching points dan number of ending points. Pada beberapa fitur hasil ekstraksi dilakukan perhitungan mean, variance dan standard deviation (Plotze dan Bruno 2009). Dari semua fitur yang telah diperoleh, kemudian dilakukan seleksi fitur, untuk mendapatkan fitur terpenting. Hasil seleksi fitur inilah yang digunakan untuk mengklasifikasikan tanaman berdasarkan tipe venasinya. Untuk mengklasifikasikan daun berdasarkan tipe venasinya, teknik klasifikasi yang digunakan adalah Support Vector Machine (SVM).
Hasil penelitian ini menunjukkan, bahwa tipe venasi acrodromous dan paralellodromous memiliki tingkat kerapatan venasi yang bagus. Artinya spesies yang berbeda memiliki tingkat kerapatan yang seragam atau sama. Untuk tipe venasi pinnate tingkat kerapatannya cukup bagus, namun terdapat beberapa spesies yang memiliki tingkat kerapatan lebih tinggi. Pada tipe venasi actinodromous dan campylodromous, tingkat kerapatan venasinya adalah yang paling beragam, karena setiap spesies tingkat kerapatan venasinya tersebar dari yang rendah sampai yang tinggi. Adapun fitur-fitur venasi daun dari hasil ektraksi, yang memiliki informasi terpenting terhadap tipe venasi adalah fitur venasi hasil seleksi fitur menggunakan Boruta Algorithm yaitu sebanyak 19 fitur. Kemudian hasil klasifikasi menggunakan Support Vector Machine (SVM) untuk identifikasi daun berdasarkan tipe venasi, diperoleh rata-rata akurasi tertinggi sebesar 77.57%, yaitu ketika menggunakan fitur venasi hasil seleksi fitur.
Adapun manfaat dari penelitian ini, yaitu fitur venasi daun yang diperoleh dapat digunakan sebagai penciri tambahan untuk mengidentifikasi tanaman. Selain itu, hasil dari penelitian ini diharapkan dapat membantu botanikus dalam memprediksi lingkungan tempat tumbuhnya tanaman berdasarkan tingkat kerapatan venasinya, tentunya dengan penelitian lanjutan.