1Jurusan Teknik Elektro, Universitas Diponegoro Semarang , Indonesia
2Jl. Prof. Sudharto, SH, Kampus UNDIP Tembalang, Semarang 50275, Indonesia, Indonesia
BibTex Citation Data :
@article{Transient5432, author = {Eskanesiari Eskanesiari and Achmad Hidayatno and R. Isnanto}, title = {SISTEM IDENTIFIKASI JENIS TANAMAN OBAT-OBATAN BERDASAR POLA DAUN MENGGUNAKAN TUJUH INVARIAN MOMEN HU DAN JARINGAN SARAF TIRUAN PERAMBATAN BALIK}, journal = {Transient: Jurnal Ilmiah Teknik Elektro}, volume = {3}, number = {1}, year = {2014}, keywords = {}, 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 }, issn = {2685-0206}, pages = {97--102} doi = {10.14710/transient.v3i1.97-102}, url = {https://ejournal3.undip.ac.id/index.php/transient/article/view/5432} }
Refworks Citation Data :
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%.
Article Metrics:
Last update:
Penulis yang menyerahkan naskah perlu menyetujui bahwa hak cipta dari artikel tersebut akan diserahkan ke TRANSIENT: Jurnal Ilmiah Teknik Elektro dan Departemen Teknik Elektro, Universitas Diponegoro sebagai penerbit jurnal. Hak cipta mencakup hak untuk mereproduksi dan mengirimkan artikel dalam semua bentuk dan media, termasuk cetak ulang, foto, mikrofilm, dan reproduksi serupa lainnya, serta terjemahannya.
TRANSIENT: Jurnal Ilmiah Teknik Elektro dan Departemen Teknik Elektro, Universitas Diponegoro dan Editor berusaha keras untuk memastikan bahwa tidak ada data, pendapat, atau pernyataan yang salah atau menyesatkan dipublikasikan di jurnal. Dengan cara apa pun, isi artikel dan iklan yang diterbitkan dalam TRANSIENT: Jurnal Ilmiah Teknik Elektro adalah tanggung jawab tunggal dan eksklusif masing-masing penulis dan pengiklan.
Formulir Transfer Hak Cipta dapat diunduh di sini: [Formulir Transfer Hak Cipta Transient]. Formulir hak cipta harus ditandatangani dan dikirim ke Editor dalam bentuk surat asli, dokumen pindaian atau faks:
Dr. Wahyudi (Ketua Editor)Departemen Teknik Elektro, Universitas Diponegoro, IndonesiaJl. Prof. Sudharto, Tembalang, Semarang 50275 IndonesiaTelepon/Facs: 62-24-7460057Email: transient@elektro.undip.ac.id