Call Number | T-0978 (Softcopy T-0687) Source Code T-0134 |
Collection Type | Tesis |
Title | Klasifikasi tumbuhan melalui morfologi bentuk dan venasi daun dengan studi kasus pada genus dillenia |
Author | Pesigrihastamadya Normakristagaluh; |
Publisher | Depok: Pascasajana Ilmu Komputer UI, 2012 |
Subject | |
Location | FASILKOM-UI; |
Nomor Panggil | ID Koleksi | Status |
---|---|---|
T-0978 (Softcopy T-0687) Source Code T-0134 | TERSEDIA |
ABSTRAK Nama : Pesigrihastamadya Normakristagaluh NPM : 1006800150 Program Studi : Fakultas Ilmu Komputer, Magister Ilmu Komputer Judul Tesis : Klasifikasi Tumbuhan Melalui Morfologi Bentuk Dan Venasi Daun Dengan Studi Kasus Pada Genus Dillenia Arsitektur daun merupakan karakterisitik elemen yang terdapat pada daun meliputi bentuk dan contour yang biasanya dipakai sebagai ciri pembeda dalam proses klasifikasi jenis pada tumbuhan. Pada penelitian ini, metode pada pengolahan citra digunakan untuk mengklasifikasi jenis pada genus Dillenia. Karakteristik pembeda yang digunakan selain karakteristik eksternal juga karakteristik internal yang mencakup venasi daun. Sedangkan metode ekstraksi ciri yang diterapkan sebagai deskriptor adalah metode dimensi fraktal, rasio panjang dan lebar, rasio perimeter dan area, moment invariant dan sudut antara venasi primer dan sekunder. Seleksi ciri dilakukan dengan metode analisa varian dan CFS Subset Evaluator terhadap semua ciri-ciri yang diperoleh dari tahap ekstraksi ciri. Metode klasifikasi yang digunakan terdiri dari dua model klasifikasi diantaranya yaitu pendekatan model statistik (Naive Bayesian Classifier), dan pendekatan model bebas yaitu fuzzy (FLVQ (Fuzzy Learning Vector Quantization)) dan Jaringan Syaraf Tiruan (BPNN (Back Propagation Neural Network) dan ELM (Extreme Learning Machine)). Hasil penelitian memperlihatkan bahwa ciri yang relatif efektif dalam proses klasifikasi yaitu rasio panjang dan lebar citra daun bagian atas, moment invariant ke 4 citra daun bagian atas, dan dimensi fraktal (df): df1, df2 dan df3 citra daun bagian atas dan bawah. Sedangkan kombinasi ciri yang paling baik diperoleh dari metode CFS Subset Evaluator dan Genetic Search yaitu kelompok 2 TW. Hasil klasifikasi yang terbaik didapatkan dengan nilai akurasi 0.997 dengan classifier ELM. Kata Kunci : Klasifikasi jenis Dillenia, ciri bentuk, citra daun Dillenia, moment invariant, dimensi fraktal, rasio perimeter dan luas, rasio panjang dan lebar, sudut antara venasi primer dan sekunder, Naïve Bayes classifier, FLVQ (Fuzzy Learning Vector Quantization), Backpropagation, ELM (Extreme Learning Machine).