Identifikasi tumbuhan obat menggunakan fitur citra morfologi, tekstur

PENDAHULUAN
Latar Belakang
Indonesia
merupakan
negara
megabiodiversity yang kaya akan tumbuhan
obat
yang
sangat
potensial
untuk
dikembangkan.
Untuk
keanekaragaman
tanaman, Indonesia memiliki lebih dari 38.000
spesies tanaman (Bappenas 2003). Sampai
tahun
2001
Laboratorium
Konservasi
Tumbuhan, Fakultas Kehutanan IPB telah
mendata dari berbagai laporan penelitian dan
literatur tidak kurang dari 2039 spesies
tumbuhan obat berasal dari hutan Indonesia
(Zuhud 2009).
Menurut hasil penelitian, dari sekian banyak
jenis tumbuhan obat baru 20-22% yang
dibudidayakan,
sedangkan
sekitar
78%
diperoleh melalui pengambilan langsung
(eksplorasi) dari hutan. Potensi tumbuhan obat
di Indonesia, termasuk tumbuhan obat
kehutanan, apabila dikelola dengan baik akan
sangat bermanfaat dari segi ekonomi, sosial
budaya maupun lingkungan (Masyhud 2010).
Proses pengidentifikasian tumbuhan obat
bisa dilakukan dengan berbagai cara, di
antaranya melalui taksonom, dengan bantuan
herbarium, dan text book mengenai taksonomi/
dendrologi. Jika identifikasi tersebut dilakukan
langsung di hutan secara manual, dengan
membandingkan ciri dari herbarium atau text
book terhadap objek aslinya, memerlukan
waktu yang lama dan cukup merepotkan. Oleh
karena itu perlu dibuat suatu sistem yang dapat
mengidentifikasi tumbuhan obat secara
otomatis.
Berdasarkan
penelitian
yang
sudah
dilakukan pada citra daun kelas Dicotyledonae,
untuk ekstraksi fitur bentuk menggunakan
Fourier (Ramadhani 2009) dan
ekstraksi
morfologi menggunakan ciri dasar dan turunan
morfologi daun (Annisa 2009). Hasil rata-rata
presisi yang diperoleh kedua fitur ini adalah
31.75% untuk bentuk dan 27.22% untuk
morfologi. Selain itu, telah dilakukan penelitian
untuk fitur ekstraksi tekstur menggunakan Local
Binay Patterns Variance (LBPV) pada citra
pohon tanaman hias (Kulsum 2010) dengan
akurasi maksimumnya mencapai 73.33%.
Untuk mempermudah proses identifikasi, maka
hasil ekstraksi fitur ini kemudian dilakukan
proses klasifikasi menggunakan klasifikasi
Probabilistic
Neural
Network
(PNN)
berdasarkan penelitian Nurafifah (2010).
Pada penelitian ini dilakukan proses
identifikasi pada tumbuhan obat menggunakan
ketiga fitur ekstraksi citra (morfologi, tekstur,
dan bentuk) dan menggunakan PNN sebagai
metode klasifikasinya.
Tujuan
Tujuan
penelitian
ini
adalah
mengembangkan sistem identifikasi tumbuhan
obat dengan menggabungkan ciri morfologi,
tekstur, dan bentuk, kemudian hasilnya
diklasifikasikan menggunakan klasifikasi PNN.
Ruang Lingkup
Ruang lingkup penelitian ini adalah
identifikasi citra daun tumbuhan obat di kebun
Biofarmaka, Cikabayan dan di rumah kaca
Pusat Konservasi Ex-situ Tumbuhan Obat
Hutan Tropika Indonesia, Fahutan, IPB.
TINJAUAN PUSTAKA
Daun
Daun merupakan bagian atau organ
tumbuhan yang berfungsi membentuk makanan
(fotosintesis), respirasi, dan transpirasi. Daun
juga menunjukkan pola-pola yang khas dan
bernilai penting dalam taksonomi (Anonim
2009).
Hickey et.
al
(1999) telah
mendeskripsikan ciri morfologi daun yang
cukup rinci, khususnya untuk morfologi daun
kelas Dicotyledonae. Ciri morfologi daun itu
antara lain bangun daun (helai daun, ujung
daun, dan pangkal daun), tepi daun, tekstur
daun, letak kelenjar, tangkai daun, tekstur daun,
tepi pertulangan, dan pengelompokan urat daun.
Ekstraksi Ciri
Ekstraksi
ciri
merupakan
proses
mendapatkan penciri dari suatu citra. Ciri citra
yang didapat digunakan untuk identifikasi suatu
citra. Ciri citra yang biasa dipakai dalam image
retrieval adalah warna, bentuk, dan tekstur
(Rodrigues 2004). Beberapa teknik untuk
ekstraksi ciri memerlukan perubahan citra dari
citra berwarna ke citra biner, penipisan pola dan
sebagainya.
Ciri bentuk merepresentasikan informasi
geometris yang tergantung terhadap posisi,
orientasi, dan ukuran. Ciri tekstur didefinisikan
sebagai pengulangan pola yang ada pada suatu
daerah bagian citra. Tekstur dapat juga
membedakan permukaan dari beberapa kelas
objek (Acharya dan Ray 2005). Ciri morfologi
dapat mendeteksi perubahan bentuk dari suatu
citra (Tzionas et al. 2005). Proses ekstraksi ciri
1