identifikasi daauunn berdasarkan fiittuurr...
TRANSCRIPT
IIDENTIFIKASIDENTIFIKASI DDAUNAUN
BBERDASARKANERDASARKAN FFITURITUR TTULANGULANG
DDAUNAUN MMENGGUNAKANENGGUNAKAN
AALGORITMALGORITMA EEKSTRAKSIKSTRAKSI
MMINUTIAEINUTIAE
Arga Wahyumianto
2209 105 047
Pembimbing :
1. Dr. I Ketut Eddy Purnama, ST., MT
2. Christyowidiasmoro, ST., MT
LATAR BELAKANG
� Tulang daun sebagai salah satu biometric dari
tumbuhan
� Struktur tulang daun (pola venasi) merupakan
fitur unik lain yang membedakan jenis 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.
PERMASALAHAN
1. Identifikasi daun berdasarkan tulang daun
2. Metode ekstraksi fitur dalam mendapatkan fitur
tulang dauntulang daun
TUJUAN
� 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.
BATASAN MASALAH
� Citra daun yang digunakan sebagai data masukan
adalah citra daun yang berbentuk tunggal.
� Tulang daun yang digunakan untuk identifikasi � Tulang daun yang digunakan untuk identifikasi
merupakan jenis menyirip.
DESAIN
Citra Daun
Pengolahan CitraKlasifikasispesies
Kohonen
Tulang daun
Ekstraksi fiturCabang t.daun
Pola cabang tulang daun
Training
Inteligent
Data
Pengenalan Citra
PENGOLAHAN CITRA
Citra Daun
Pre-processing
Pengolahan Citra
Segmentasi
Pre-processing
Morfologi Tulang daun
METODE EKSTRAKSI
1. Menggunakan Window Matrik 3 x 3
Algoritma Metode Ekstraksi cabang tulang daun = Algoritma
Metode Ekstraksi minutiae
Crossing Number
2. Window Matrik melakukan scanning terhadap citra daun
3. Melakukan perhitungan 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
window, dan tandai dengan warna biru.
HASIL EKSTRAKSI
Titik Biru � Cabang Tulang Daun
CABANG TULANG DAUN
Pola � Jumlah cabang tulang daun � Input Kohonen
Level 2
Level 0
Level 1
TREE CABANG TULANG DAUN
ANode A = Root = Jumlah
cabang level 0
Node B = Child = Jumlah
cabang level 1 *
BC
D E
Node C = Child = Jumlah
cabang level 1**
Node D = Leaf = Jumlah
cabang level 2 *
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)
KOHONEN
KOHONEN
1. Menetapkan :a. Input data yang dinormalisasib. 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 = 04. Kerjakan jika Epoh < MaxEpoh
a. Epoh = Epoh + 1b. 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 :
HASIL IDENTIFIKASI
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 = 0,8α = 0,8
HASIL IDENTIFIKASI
Kelompok 1 Kelompok 1 Kelompok 1 Kelompok 1 : Jambu Biji: Jambu Biji: Jambu Biji: Jambu Biji
Kelompok 2 Kelompok 2 Kelompok 2 Kelompok 2 : Terong Hijau: Terong Hijau: Terong Hijau: Terong Hijau
Kelompok 3 Kelompok 3 Kelompok 3 Kelompok 3 : Cabai Lokal: Cabai Lokal: Cabai Lokal: Cabai Lokal
Kelompok 4 Kelompok 4 Kelompok 4 Kelompok 4 : Ubi Jalar: Ubi Jalar: Ubi Jalar: Ubi Jalar
KESIMPULAN
� Untuk mengekstraksi fitur tulang daun bisadigunakan algoritma metode minutiae pada sidikjari untuk mendeteksi cabang tulang daun.jari untuk mendeteksi cabang tulang daun.
� Rata-rata tingkat keberhasilan aplikasi dalamklasifikasi menggunakan kohonen untuk menentukankelas ketiga daun tumbuhan yakni 94,386% untukjambu biji, 89,469% untuk terong hijau, 85,417% untuk cabai lokal dan 99,731% untuk ubi jalar.
REFERENSI
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