Ekstraksi dan Klasifikasi Fitur Geometri Kontur Daun Shorea Berbasis Citra Digital

Abstract

Shorea merupakan salah satu marga tumbuhan pada susunan hutan hujan tropis yang memiliki 194 spesies serta kualitas kayu yang baik sehingga sering diolah sebagai bahan konstruksi ringan hingga berat. 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 bahan tanaman 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 dengan cepat dan akurat. Karena pentingnya identifikasi bagi botanikus maka diperlukan suatu alat atau sistem untuk mengidentifikasi spesies Shorea dengan mudah. Proses identifikasi dapat dilakukan secara sederhana 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 Kontur daun. Kontur daun berperan penting dalam proses identifikasi karena memiliki arsitektur unik yang membedakan antar jenis tumbuhan. Matematika geometri dapat membantu dalam mengekstraksi citra kontur daun. Untuk menentukan posisi titik konturmenggunakannilai koordinat geometri. Nilai koordinat dapat digunakan untuk menghitung sudut, jarak, kemiringan kontur. Demikian nilai koordinat juga mampu memberikan informasi penting titik kontur yang unik. Pendekatan geometri pada penelitian ini akan digunakan untuk mengekstraksi ciri dengan menghitung nilai jarak, posisi, kemiringan, perubahan sudut, kelengkungan landmark. Kelima 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 kontur dapat melakukan ekstraksi nilai fitur jarak, posisi, kemiringan, perubahan sudut, kelengkungan landmark dengan cukup baik. Untuk setiap fitur, dilakukan analisis yang hasilnya menunjukkan bahwa fitur kemiringan merupakan fitur yang dapat membedakan keempat spesies Shorea spp dengan baik. Kemudian, hasil klasifikasi menggunakan SVM untuk identifikasi spesies Shorea spp menghasilkan rataaan akurasi tertinggi sebesar 75.67%.