BAB I PENDAHULUAN 1.1 Latar Belakang Banyaknya aneka ragam tanaman yang dapat dijumpai dimana saja membuat sulitnya penentuan jenis tanaman. Salah satu masalah nyata yang ditemukan di bidang biologi atau pertanian saat ini adalah sulitnya mengidentifikasi jenis tanaman dari beberapa varietas, diantaranya adalah varietas tanaman kedelai. Di dalam ilmu botani, identifikasi varietas tanaman kedelai diperlukan untuk keperluan persilangan tanaman kedelai. Selain itu, identifikasi varietas tanaman kedelai dilakukan untuk menjamin kemurnian suatu kelompok varietas kedelai terhadap varietas kedelai lainnya pada suatu lahan pertanian. Untuk dapat mengidentifikasi varietas kedelai, dibutuhkan cukup pengetahuan, seperti pengetahuan mengenai informasi atau ciri-ciri unik dari tiaptiap varietas tersebut. Ciri atau fitur khusus dari setiap varietas dapat digunakan untuk membedakan beberapa varietas. Faktor ciri tanaman kedelai dapat diperoleh melalui struktur organ tanamannya, seperti batang, daun, bunga, biji atau struktur lainnya. Daun kedelai dalam beberapa varietas memiliki warna, tekstur, dan tulang daun yang cenderung sama. Bentuk daun merupakan salah satu faktor penting yang menyusun bentuk tanaman kedelai. Bentuk daun adalah kunci utama untuk identifikasi tanaman (Neto et al. 2006). Identifikasi varietas juga dapat dilakukan dengan analisis DNA. Akan tetapi, identifikasi varietas dengan menggunakan cara analisis DNA membutuhkan biaya yang mahal dan waktu yang lama, sedangkan jika melalui bentuk daunnya hanya membutuhkan biaya yang murah dan waktu yang lebih cepat. Untuk mengatasi pengklasifikasian tanaman, beberapa penelitian telah dilakukan dengan menggunakan penggambaran ilmu botani (Groom, Lamont, Markey 1997). Akan tetapi, hal ini tidak mudah dalam mengekstrak dan mentransfer fitur ke dalam komputer secara otomatis. Untuk mengurangi kesalahan dalam mengidentifikasian perlu dicegah interfensi manusia dalam pengekstrasian fitur.
Langkah yang harus dilakukan dalam pengklasifikasian tanaman dengan menggunakan citra (image) daun adalah mengajarkan komputer bagaimana mengklasifikasikan tanaman. Dibanding dengan metode lain, seperti metode biologi dan sel, pengklasifikasian berdasarkan image daun merupakan pilihan pertama untuk pengklasifikasian tanaman. Pengambilan sampel tidak begitu membutuhkan biaya yang mahal. Dengan bantuan komputer, dapat dengan mudah mentransfer image daun ke komputer dan komputer mengekstrak fitur secara otomatis pada teknik pemrosesan image. Dalam mengekstrak atau mengukur fitur daun merupakan suatu studi yang cukup rumit. Hal ini membuat aplikasi dari pengenalan pola pada bidang ini adalah suatu tantangan baru. Dalam beberapa tulisan menyatakan bahwa perolehan data dari tanaman secara otomatis dengan komputer belum dapat diimplementasikan. Beberapa pendekatan telah dilakukan dengan menggunakan fitur pradefinisi. Yonekawa (1996) mengidentifikasi tipe daun ideal dengan menggunakan faktor bentuk tak berdimensi sederhana dengan analisis image. Tsukaya (2006) mengembangkan bagaimana mekanisme penentuan bentuk daun. Plotze et al. (2005) menganalisis bentuk daun menggunakan skala multi Minkowski dimensi fraktal. Scottferson et al. (1985) mengembangkan pengukuran variasi bentuk dari outline dua dimensi. Neto et al. (2006) menyatakan bahwa evaluasi kuantitatif bentuk kontur merupakan hal yang penting dalam analisis morfologi. Terdapat beberapa metode yang disarankan untuk mengevaluasi bentuk kontur diantaranya panjang kontur, momen daerah kontur dan Fourier Descriptor (FD). Diantara metode-metode tersebut barisan Fourier descriptor memiliki peranan penting, karena metode ini sangat baik untuk merepresentasikan bentuk kontur secara langsung. Fitur utama dari metode Fourier adalah mengekspresikan kontur dengan beberapa fungsi periodik, mengekspansikan fungsi dengan ekspansi barisan Fourier dan merepresentasikan bentuk kontur dengan koefisien Fourier. Elliptic Fourier descriptor (EFD) merupakan salah satu Fourier descriptor (Kuhl dan Giardina 1982).
Beberapa penelitian yang dikembangkan dengan menggunakan metode elliptic Fourier diantaranya adalah : Khul dan Giardina (1982) telah mengembangkan ekstraksi fitur menggunakan Elliptic Fourier pada kontur tertutup. Abidi dan Gonzalez (1986) mengkaji dekomposisi bentuk menggunakan Elliptic Fourier Descriptors. Ninomiya et al. (1995) melakukan evaluasi bentuk biji gandum dengan metode Elliptic Fourier. Nicoli (2000) mendeteksi target image Radar menggunakan Elliptical Fourier Descriptors. Furuta et al. (1995) melakukan evaluasi kuantitatif bentuk daun kedelai (Glycine max L. Merr.) dengan skor komponen utama berdasarkan Elliptic Fourier Descriptor. Hiraoka dan Kuramoto (2004) melakukan identifikasi kultivar Rhus succedanea L. menggunakan Elliptic Fourier Descriptors berdasarkan pada bentuk buah. Yuen dan Chan (1994) mengidentifikasi solusi dari masalah generalisasi Duda dan Hart menggunakan parameter Fourier. Wu et al. (2007) menggunakan metode Probabilistic Neural Network untuk pengklasifikasian tanaman. Wu memberikan saran kepada peneliti berikutnya agar menggunakan Fourier descriptor dalam mendapatkan fitur suatu objek. Dengan menggunakan Fourier descriptor dapat dilakukan manipulasi matematika sehingga akan meningkatkan akurasi dalam pengenalan pola. Keuntungan Fourier descriptor (FD) adalah invarian terhadap translasi, rotasi dan penskalaan. Karakteristik invarian, pada beberapa kasus dapat beresiko untuk pengenalan masalah klasifikasi (contohnya, tower dapat diidentifikasi sebagai gelas, dan sebaliknya). FD tidak dapat digunakan secara optimal pada kasus distorsi, descriptor ternormalisasi dan metode parametrik diajukan untuk menyelesaikan ulang outlet tersebut (Kuhl dan Giardina, 1982). Identifikasi bentuk yang baik memberikan permulaan yang baik pada ekstraksi Elliptic Fourier descriptor (EFD), untuk itu deteksi tepi (edge) yang standar memberikan solusi yang baik terhadap masalah tersebut. Selain itu, pengkodean Freeman memberikan representasi edge dalam struktur data numerik yang dapat dimanipulasi secara aljabar untuk mengekstraksi EFD. Pada penelitian ini, EFD akan digunakan untuk ekstraksi image daun kedelai untuk mengklasifikasikan varietas tanaman kedelai serta menggunakan
fungsi jarak untuk pencocokan basis data image terhadap input image yang akan diklasifikasikan. 1.2. Tujuan Adapun tujuan dari penelitian ini adalah : 1. Mengekstraksi fitur daun dari varietas tanaman kedelai dengan menggunakan Elliptical Fourier descriptor 2. Menentukan kombinasi faktor-faktor yang dapat dijadikan sebagai ciri dalam mengenali varietas tanaman kedelai 3. Menemukan kuantifikasi descriptor bentuk daun 4. Mengembangkan prototipe untuk pengenalan varietas tanaman kedelai 1.3. Ruang Lingkup Penelitian Ruang lingkup penelitian ini meliputi : 1. Daun kedelai yang digunakan sebagai objek sebanyak 10 varietas. 2. Sampel daun kedelai untuk setiap varietas diambil dalam 3 bagian, yakni bagian tangkai bawah, tangkai tengah dan tangkai atas. Pada masing-masing bagian terdiri dari ruas kanan, ruas tengah dan ruas kiri (trifoliate). 3. Untuk mengetahui kombinasi faktor-faktor yang dapat mengenali varietas tanaman kedelai maka sampel daun kedelai diuji berdasarkan 3 faktor, yakni : faktor bagian tangkai daun, bagian ruas daun, dan derajat harmonik yang dibutuhkan. 4. Metode Pengekstraksian fitur dilakukan dengan menggunakan Elliptical Fourier Descriptor. 5. Output yang dihasilkan berupa sistem pengenalan varietas tanaman kedelai dengan menggunakan kombinasi faktor yang dapat mengenali citra (image) daun kedelai. 6. Perangkat lunak yang digunakan untuk membangun sistem adalah MATLAB 7 dan untuk pengolahan data digunakan Excel 2003 dan SPSS 13.0 7. Untuk proses pengambilan citra tanaman, alat yang digunakan adalah : Kamera digital Canon Ixus 850 IS dengan spesifikasi 7.1 MP effective pixel dan menggunakan Komputer PC dengan spesifikasi processor Pentium 4 1.80 GHz, RAM 768 MB, Hard disk 60 GB
1.4. Manfaat Penelitian Penelitian ini diharapkan dapat digunakan sebagai sistem pengenalan tanaman kedelai berbasis komputer yang dapat digunakan oleh peneliti bidang biologi atau peneliti lainnya. Penelitian ini juga dapat dikembangkan lebih lanjut menjadi
sebuah
sistem
yang
memiliki
kemampuan
untuk
mengatur,
mengorganisasi, dan menemukan kembali (retrieve) basis data berbagai macam tanaman yang ada di alam ini.