I DENTIFIKASI D AUN B ERDASARKAN F ITUR T ULANG D AUN M ENGGUNAKAN A LGORITMA E KSTRAKSI M INUTIAE Arga Wahyumianto 2209 105 047
Pembimbing : 1. Dr. I Ketut Eddy Purnama, ST., MT 2. Christyowidiasmoro, ST., MT
L ATAR B ELAKANG
Tulang daun sebagai salah satu biometric dari tumbuhan
Struktur tulang daun (pola venasi) merupakan fitur unik lain yang membedakan jenis tumbuhan
Pahalawatta, KK. 2008. PLANT SPECIES BIOMETRIC USING FEATURE HIERARCHIES, Department of Computer Science and Software Engineering University of Canterbury.
P ERMASALAHAN
1.
Identifikasi daun berdasarkan tulang daun
2.
Metode ekstraksi fitur dalam mendapatkan fitur tulang daun
T UJUAN
Menggunakan algoritma metode minutiae extraction yang digunakan pada sidik jari untuk diterapkan pada ekstraksi fitur tulang daun
Melakukan identifikasi terhadap citra daun berdasarkan informasi hasil ekstraksi fitur tulang daun.
B ATASAN M ASALAH
Citra daun yang digunakan sebagai data masukan adalah citra daun yang berbentuk tunggal.
Tulang daun yang digunakan untuk identifikasi merupakan jenis menyirip.
D ESAIN Citra Daun
Kohonen Klasifikasi spesies
Pengolahan Citra Inteligent Data Tulang daun
Ekstraksi fitur Cabang t.daun
Pengenalan Citra
Pola cabang tulang daun
Training
P ENGOLAHAN C ITRA Citra Daun
Pengolahan Citra
Pre-processing
Segmentasi
Morfologi
Tulang daun
M ETODE E KSTRAKSI Algoritma Metode Ekstraksi cabang tulang daun = Algoritma Metode Ekstraksi minutiae 1. Menggunakan Window Matrik 3 x 3
2. Window Matrik melakukan scanning terhadap citra daun 3. Melakukan perhitungan Crossing Number Crossing Number
4.
Apabila pusat matrik window tepat dengan posisi pixel citra yang diproses, hasil CN = 3 , hal itu menandakan percabangan dari tulang daun,
5.
Mendapatkan koordinat citra yang terletak pada pusat matrik window, dan tandai dengan warna biru.
CN = 3
H ASIL E KSTRAKSI
Titik Biru Cabang Tulang Daun
C ABANG T ULANG D AUN Pola Jumlah cabang tulang daun Input Kohonen Level 2 Level 0
Level 1
T REE C ABANG T ULANG DAUN Node A = Root = Jumlah cabang level 0
A
Node B = Child = Jumlah cabang level 1 *
B
C
Node C = Child = Jumlah cabang level 1** Node D = Leaf = Jumlah cabang level 2 *
D
E
Node E = leaf = Jumlah cabang level 2 **
KET : * Cabang tulang daun bagian atas (citra daun terletak secara horizon) ** Cabang tulang daun bagian bawah (citra daun terletak secara horizon)
K OHONEN
K OHONEN 1. Menetapkan : a. Input data yang dinormalisasi b. Jumlah kelas 2. Inisialisasi : a. Bobot Input (wij) dengan nilai sembarang atau dengan menggunakan rumus :
b. Set parameter learning rate (α). c. Set maksimum epoh (MaxEpoh). 3. Set Epoh = 0 4. Kerjakan jika Epoh < MaxEpoh a. Epoh = Epoh + 1 b. Pilih data secara acak, misalnya data terpilih data ke-j. c. Cari jarak antara data ke-j dengan tiap bobot input ke-i (Dj) :
d. Cari jarak yang terkecil (pemenang) 5. Update bobot yang baru :
H ASIL I DENTIFIKASI Inisialisasi awal : W1 = [0,58 0,4 0,65] W2 = [0,6 0,3 0,8] W3 = [0,4 0,5 0,75] W4 = [0,3 0,4 0,5] α = 0,8
H ASIL I DENTIFIKASI
Kelompok 1 Kelompok 2 Kelompok 3 Kelompok 4
: : : :
Jambu Biji Terong Hijau Cabai Lokal Ubi Jalar
K ESIMPULAN
Untuk mengekstraksi fitur tulang daun bisa digunakan algoritma metode minutiae pada sidik jari untuk mendeteksi cabang tulang daun.
Rata-rata tingkat keberhasilan aplikasi dalam klasifikasi menggunakan kohonen untuk menentukan kelas ketiga daun tumbuhan yakni 94,386% untuk jambu biji, 89,469% untuk terong hijau, 85,417% untuk cabai lokal dan 99,731% untuk ubi jalar.
R EFERENSI 1)
Pahalawatta, KK. 2008. PLANT SPECIES BIOMETRIC USING FEATURE HIERARCHIES, Department of Computer Science and Software Engineering University of Canterbury.
2)
Thai, Raymond. 2003. Fingerprint Image Enhancement and Minutiae Extraction, School of Computer Science and Software Engineering, The University of Western Australia.
3)
Azman, Mohd. 2010. ANALYSIS OF FINGERPRINT PERFORMANCE AMONG LEFT HANDED AND RIGHT HANDED PEOPLE, UNIVERSITI TEKNOLOGI MALAYSIA.
4)
Putra, Darma. 2009. PENGOLAHAN CITRA DIGITAL. ANDI YOYAKARTA.
5)
M, Rahmadhani, Herdiyeni, Yeni. 2010. Shape and Vein Extraction on Plant Leaf Images Using Fourier and B-Spline Modeling. IPB
6)
R. C. Gonzalez, R. E. Woods, and S. L. Eddins, Digital Image Processing Using MATLAB. Prentice Hall, 2004
7)
Lam, L., Seong-Whan Lee, and Ching Y. Suen, "Thinning Methodologies-A Comprehensive Survey," IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol 14, No. 9, September 1992, page 879, bottom of first column through top of second column.
8)
Pontoan, Kendo. 2005. LEAF SPESIES RECOGNITION USING ARTIFICIAL INTELLIGENT.
Elektro ITS
