BAB III METODE PENELITIAN 3.1. Tahapan Penelitian Tahapan penelitian yang dilaksanakan ditunjukan pada Gambar 6. Akusisi Citra Tumbuhan Obat
INPUT Citra Query
Preprocessing Citra
Pre processing Citra
Tumbuhan Obat
Tumbuhan Obat
Ekstraksi Fitur
Ekstraksi Fitur
Menggunakan Metode Fraktal
Menggunakan Metode Fraktal
Clustering Fuzzy C-Means
Model
Hasil Identifikasi
Evaluasi Hasil Identifikasi Tumbuhan Obat
Gambar 6 Tahapan Penelitian.
16
3.1.1. Akusisi Citra Tumbuhan Obat Pada tahap ini citra tumbuhan obat diakusisi dengan sensor larik (sensor array) menggunakan kamera digital. Data yang digunakan pada penelitian ini adalah kumpulan daun tumbuhan obat di kebun Biofarmaka IPB dan di rumah kaca Pusat Konservasi Ex-Situ Tumbuhan Obat Hutan Tropika Indonesia, Fakultas Kehutanan IPB. Pada penelitian ini citra daun tumbuhan obat yang digunakan adalah adalah 20 jenis dan masing-masing jenis terdiri atas 30 citra daun sehingga totalnya adalah 600 data. Jenis-jenis daun yang digunakan adalah Jarak Pagar, Dandang Gendis, Iler, Cincau Hitam, Lilin, Daruju, Bunga Telang, Pungpulutan, Kumis Kucing, Sambang Darah, Jambu Biji, Akar kuning, Kemangi, Handeleum, Mrambos, Nandang Gendis Kuning, Tabat Barito, Gadung Cina, Bidani dan Pegagan. Bentuk dan keterangan dari seluruh data dapat dilihat pada Lampiran 1.
3.1.2. Preprocessing Citra Tumbuhan Obat Preprocesing yang dilakukan pada penelitian adalah menyeragamkan ukuran citra menjadi 16x16 piksel dan melakukan perubahan bentuk citra ke dalam format grayscale 8 bit (28 = 256 derajat keabuan). Untuk mengubah warna RGB ke grayscale digunakan persamaan 12 ( Jianxin et al. 2011).
Gray = 0,2989 x R+ 0,5870 x G+ 0,1140 x B ……………………… .(12)
3.1.3. Ekstraksi Fitur Tumbuhan Obat dengan Metode Fraktal Ada dua pendekatan metode fraktal yang digunakan untuk ekstraksi fitur yaitu dimensi fraktal dan kode fraktal.
a. Dimensi Fraktal Dimensi fraktal citra daun tumbuhan obat dihitung menggunakan metode Box Counting. Penghitungan dilakukan pada dua model citra, yaitu citra keseluruhan (global) seperti ditunjukan pada Gambar 7(a) dan pada setiap local region yang terdiri atas 4 bagian yang sama seperti ditunjukan pada Gambar 7(b). Hasil ekstraksi citra daun tumbuhan dengan dimensi fraktal menghasilkan lima
17
parameter dimensi fraktal yaitu satu parameter diperoleh dari citra keseluruhan (global) dan empat parameter diperoleh dari citra setiap local region.
(a)
(b)
Gambar 7 Pembagian citra global (a) dan local region (b).
b. Kode Fraktal Pada penelitian ini ada dua tahap yang dilaksanakan untuk mendapatkan kode fraktal citra daun tumbuhan obat. Tahap pertama membentuk blok domain dan blok range. Blok domain dibentuk dengan mempartisi citra asli menjadi subcitra ukuran 8x8 piksel dan 4x4 piksel. Setiap empat piksel dari subcitra yag terbentuk dihitung rata-ratanya sehingga ukuran menjadi 4x4 piksel dan 2x2 piksel. Proses partisi ini membentuk 20 blok domain. Ilustrasi partisi pembentukan blok domain ditunjukan pada Gambar 8.
Gambar 8 Ilustrasi pembentukan blok domain.
Blok range dibentuk dengan mempartisi citra asli menggunakan partisi quadtree. Partisi ini membagi citra menjadi empat bagian yang sama besar secara rekursif sampai ukuran 2 x 2 piksel. Proses partisi ini membentuk 80 blok range
18
yang terbagi ke dalam empat kelompok dan masing masing 20 blok domain. Pembagian kelompok berdasarkan bagian kiri atas, bagian kanan atas, bagian kiri bawah dan bagian kanan bawah. Ilustrasi partisi pembentukan blok range dengan partisi quadtree ditunjukan pada Gambar 9.
Gambar 9 Ilustrasi pembentukan blok range.
Tahap kedua adalah mengukur kemiripan antara blok domain dan blok range. Kemiripan diukur dengan menghitung skala kontras, faktor kecerahan dan RMS dari masing-masing pasangan blok domain dan blok range. Pasangan dengan nilai RMS atau nilai error terkecil adalah pasangan yang dianggap paling mirip. Hasil Ekstraksi citra daun dengan kode fraktal menghasilkan empat nilai kode fraktal yaitu
skala kontras (s), faktor kecerahan (g), rata rata blok range
(Avgrange) dan rata-rata blok domain ( Avgdomain ).
3.1.4. Clustering Tumbuhan Obat dengan Fuzzy C-Means Pada penelitian ini ada dua rancangan percobaan yang digunakan untuk clustering tumbuhan obat yaitu : -
Clustering FCM berdasarkan nilai dimensi fraktal
-
Clustering FCM berdasarkan nilai kode fraktal Clustering dilakukan terhadap 400 data latih. Adapun langkah-langkahnya
adalah sebagai berikut : 1. Menginput data berupa matrik-matrik ukuran n x m ( n= jumlah sampel data, m = atribut data yang merupakan nilai dimensi fraktal pada percobaan pertama dan nilai kode fraktal pada percobaan kedua
19
2. Menetapkan parameter yang diperlukan antara lain : -
Jumlah cluster (c)
= 20
-
Pangkat (w)
= 2
-
Maximum iterasi (maxiter)
= 100
-
Kriteria penghentian (e)
= 10 -5
-
Fungsi objektif awal (P 0 )
= 0
-
Iterasi awal t
= 1
3. Membentuk matriks partisi awal U (derajat keanggotaan dalam cluster) secara acak menggunakan persamaan (6), dengan ketentuan jumlah setiap kolom pada matrik harus sama dengan 1. 4. Menghitung pusat cluster dengan persamaan (7) 5. Menghitung fungsi obyektif pada iterasi ke t , menggunakan persamaan (8) 6. Memperbaiki derajat keanggotaan setiap anggota, menggunakan persamaan (9) dengan tujuan mencari jarak antara pusat cluster dan data 7. Memeriksa kondisi berhenti ; Jika (│P t - P t-1 │< ε) atau ( t > maxiter) Maka proses berhenti dan nilai derajat keanggotaan baru dapat digunakan untuk clustering dari citra daun tumbuhan obat. Jika tidak : t =t+1 Proses kembali ke langkah 4.
3.1.5. Pengujian Hasil Identifikasi Citra Daun Tumbuhan Obat Pada penelitian ini ada dua pengujian yang dilakukan untuk menentukan keberhasilan identifikasi citra tumbuhan obat, yaitu : 1. Pengujian identifikasi tumbuhan obat menggunakan FCM berdasarkan dimensi fraktal 2. Pengujian identifikasi tumbuhan obat menggunakan FCM berdasarkan kode fraktal Untuk menghitung tingkat akurasi hasil pengujian digunakan confusion matrik antara data real dan data prediksi dari citra daun tumbuhan obat.
20
3.2.
Kebutuhan Perangkat dan Peralatan Penelitian
Pada penelitian ini dibutuhkan alat dan bahan sebagai berikut : a. Software yang digunakan : -
Sistem Operasi : MS Windows XP Profesional Version 2002 SP2
-
Pemrograman : PHP, MySQL, Apache, PHPMyAdmin
b. Hardware yang digunakan : Processor Intel(R) Core ™ 2 Duo CPU T57550, memori DDR2, RAM 2,99 GB 3.3. Waktu dan Tempat Penelitian Penelitian dilaksanakan di Laboratorium Computational Intelegence Pascasarjana Departemen Ilmu Komputer IPB di mulai bulan Februari 2011 sampai dengan bulan Desember 2011.
