Ekstraksi dan Klasifikasi Fitur Geometri Venasi Daun Shorea Berbasis Citra Digital
View/ Open
Date
2019Author
Ariawan, Ishak
Herdiyeni, Yeni
Siregar, Iskandar Zulkarnaen
Metadata
Show full item recordAbstract
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%.