SISTEM IDENTIFIKASI JENIS TANAMAN OBAT-OBATAN BERDASAR POLA DAUN MENGGUNAKAN TUJUH INVARIAN MOMEN HU DAN JARINGAN SARAF TIRUAN PERAMBATAN BALIK

*Eskanesiari Eskanesiari  -  Jurusan Teknik Elektro, Universitas Diponegoro Semarang , Indonesia
Achmad Hidayatno  -  Jurusan Teknik Elektro, Universitas Diponegoro Semarang , Indonesia
R. Rizal Isnanto  -  Jurusan Teknik Elektro, Universitas Diponegoro Semarang , Indonesia
Published: 4 Apr 2014.
Open Access

Citation Format:
Abstract

Abstrak

 

Akhir-akhir ini obat-obatan herbal (berasal dari tumbuh-tumbuhan) kembali menjadi tren di Indonesia. Masyarakat kembali menggunakan bahan-bahan tersebut sebagai alternatif pilihan untuk mengobati berbagai macam penyakit. Bahkan untuk jenis penyakit kronis seperti kanker, jantung, hepatitis, serta gangguan ginjal dan jantung. Namun sulitnya dalam mengenali tanaman dengan benar dikarenakan beragamnya jenis tanaman obat-obatan dan khasiatnya yang berbeda-beda membuat identifikasi menjadi sulit, serta minimnya informasi dan pengetahuan tentang manfaat dari tanaman obat-obatan tersebut. Oleh karena itu pada Tugas Akhir ini dirancang sebuah sistem yang dapat mengenali berbagai jenis tanaman obat-obatan. Pada sistem ini proses identifikasi citra daun diawali dengan pengolahan citra menggunakan proses pengambangan. Tahap ekstraksi ciri dengan tujuh invarian momen. Tahap terakhir adalah proses pengklasifikasian dengan menggunakan jaringan saraf tiruan perambatan balik. Dari percobaan yang telah dilakukan, dihasilkan angka rata-rata pengenalan sebesar 83,7% dengan tingkat pengenalan terendah sebesar 80% untuk daun beringin, daun keji beling, daun mengkudu, daun salam, dan daun sirsak. Untuk daun binahong, daun jarak, daun laos, dan daun sirih merah memiliki tingkat pengenalan sebesar 86%. Yang terakhir daun pepaya memiliki tingkat pengenalan tertinggi yaitu sebesar 93%.

 

Kata kunci: pengambangan, tujuh  invarian momen Hu, jaringan saraf tiruan perambatan balik

 

 

Abstract

 

In Recently the herbal medicines becomes popular in Indonesia. People use the herbal medicines again as an alternative choice to heal kinds of diseases, even for chronic diseases such as cancer, hepatitis, kidney and heart attack. However, knowing the right herbal and the difference of merit. It makes the identification turns difficult. It also lacked information and knowledge about merit of the herbal. Therefore this final project designed as a system which is able to know kinds of herbal. First step in identification of leaves image is image processing with thresholding process. The next step is feature extraction from the image using  Hu’s seven moment invariant. And the last step isback propagation neural network that used for identification process. From the research, it can be concluded that the average recognition is 83,7% with the lowest identification, 80% for banyan leaves, keji beling leaves, noni leaves, bay leaves, and soursop leaves. Identification rate of binahong leaves, castor leaves, galangal leaves, and red betel leaves is 86%. Papaya leaves have the highest identification rate which is 93%.

 

Keywords: thresholding, Hu’s seven moment invariants, backpropagation neural network

Article Metrics: