IDENTIFIKASI JENIS BUNGA MENGGUNAKAN EKSTRAKSI …

Jurnal Informatika Kaputama (JIK), Vol. 5 No. 1, Januari 2021 P-ISSN : 2548-9739 E-ISSN : 2685-5240

116

IDENTIFIKASI JENIS BUNGA MENGGUNAKAN EKSTRAKSI CIRI

ORDE SATU DAN ALGORITMA MULTI SUPPORT-VECTOR

MACHINES (MULTISVM)

T. Reza Pahlevi1)

, Relita Buaton2)

, Nurhayati3)

Program Studi Teknik Informatika

STMIK Kaputama

Jl. Veteran No. 4A - 9A, Tangsi, Binjai, Kota Binjai, Sumatera Utara 20714

ABSTRACT

Flowers are a means of generative reproduction of closed seed plants. In the flower sections

there are various or also types of parts in the flower, each of which has different functions in

each part of the flower, so that a long and broad discussion is needed regarding the parts of

the flower on a daily basis. day is also used to refer to a structure which is botanically known

as compound interest or inflorescence. Compound interest is a collection of flowers collected

in one bouquet. In this context, the unit of interest that makes up compound interest is called a

floret. Flower is actually a modification of the leaves and stems to support a closed fertilization

system. The fertilization system is closed, namely because the ovule is protected in the ovary

or ovary and this is also another characteristic. The purpose of this study was to classify 12

Banten batik motifs using the SVM method. The research was carried out in several stages,

namely resizing to equalize the dimensions of the image, grayscale to simplify the image by

converting it to a gray level image, median filter to remove noise in batik, and feature

extraction as input for classification using SVM. The classification results using SVM order 1

is 85%, and for order 2 is 87.2.

Keywords : Interest, Identification, MULTISVM.

ABSTRAK

Bunga ialah sebagai alat perkembangbiakan generatif tumbuhan biji tertutup. Didalam bagian-

bagian bunga mempunyai macam-macam atau juga jenis-jenis bagian dalam bunga yang setiap

fungsinya pada masing-masing bagian bunga tersebut berbeda-beda juga, sehingga diperlukan

suatu pembahasan yang panjang dan juga luas mengenai bagian-bagian bunga Bunga secara

sehari-hari juga dipakai untuk menyebut struktur yang secara botani disebut sebagai bunga

majemuk atau inflorescence. Bunga majemuk adalah kumpulan bunga-bunga yang terkumpul

dalam satu karangan. Dalam konteks ini, satuan bunga yang menyusun bunga majemuk disebut

floret.Bunga sebenarnya adalah modifikasi daun dan batang untuk mendukung sistem

pembuahan tertutup. Sistem pembuahan tertutup, yaitu karena bakal biji terlindung di dalam

bakal buah atau ovarium dan ini juga menjadi ciri khasnya yang lain. Tujuan dari penelitian ini

adalah untuk mengklasifikasi 12 motif batik Banten menggunakan metode SVM. Penelitian

dilakukan secara beberapa tahap yaitu resize untuk menyamakan dimensi citra, grayscale untuk

menyederhanakan citra dengan mengubah menjadi citra aras keabuan, median filter untuk

menghilangkan noise pada batik, dan ekstraksi ciri sebagai masukan untuk klasifikasi

menggunakan SVM. Hasil klasifikasi menggunakan SVM orde 1 yaitu sebesar 85%, dan untuk

orde 2 sebesar 87,2.

Kata Kunci : Bunga,Identifikasi, MULTISVM.


117

1. PENDAHULUAN

1.1 Latar Belakang Masalah

Bunga merupakan modifikasi suatu

tunas (batang dan daun) yang bentuk,

warna, dan susunannya disesuaikan dengan

kepentingan tumbuhan. Oleh karena itu,

bunga ini berfungsi sebagai tempat

berlangsungnya penyerbukan dan

pembuahan yang akhirnya dapat dihasilkan

alat-alat perkembangbiakan. Mengingat

pentingnya bunga bagi tumbuhan maka

pada bunga terdapat sifat-sifat yang

merupakan penyesuaian untuk

melaksanakan fungsinya sebagai penghasil

alat perkembangbiakan, pada umumnya

bunga mempunyai warna menarik, berbau

harum, bentuknya bermacam-macam, dan

biasanya mengandung madu. Teknologi

komputer saat ini terus mengalami

perkembangan yang sangat pesat tarutama

yang berbasis teknologi multimedia atau

digital (Fitri Muwardi, Abdul Fadlil, 2017).

Sistem pengenalan bunga

menggunakan citra digital sebagai input

yang akan diproses dan diidentifikasi

bukanlah perkara mudah. Bunga

mempunyai jenis yang sangat bervariasi

dan tak jarang yang memiliki kesamaan

bentuk dan warna sehingga sulit untuk

dibedakan suatu jenis bunga. Ekstraksi ciri

bertujuan untuk menajamkan perbedaan-

perbedaan pola, sehingga akan mudah

dalam pemisahan kategori kelas pada

proseklasifikasi jenis bunga. Terdapat

bermacam macam fitur dalam proses

ekstrasi ciri salah satunya Orde satu dan

algoritma Multi Support-Vector Machines

(multisvm).

Hasil penelitian juga telah

dilakukan dengan judul Klasifikasi

Kematangan Buah Jeruk Berdasarkan Fitur

Warna Menggunakan Metode SVM yang

menunjukan bahwa kamera digital atau

kamera telepon genggam kemudian dari

sampel tersebut citra asli akan

dikonversikan menjadi warna greyscale

kemudian dari greyscale dikonversi

kedalam warna LAB dengan tujuan

mencari nilai warna A dari LAB dan nilai

R,G dari warna RGB (Red, Green, Blue)

kemudian diambil nilai rata-ratanya dan

kemudian diklasifikasikan diperoleh

akurasi kecocokan dengan presentase 80%

A dari data sebanyak 100 citra jeruk (Arief,

2019). Selanjutnya pada penelitian yang

berjudul Klasifikasi Malware Trojan

Ransomware Dengan Algoritma Support

Vector Machine (SVM) yang menunjukan

bahwa analisis sementara proses training

dan deteksi malware harus di dukung

dengan metode klasifikasi yang akurat dan

efisien menunjukkan bahwa Support vector

Machine (SVM) adalah metode yang kuat

dan akurat untuk penyelesaian klasifikasi

malware Trojan Ransomware dan normal

file (Lamdompak , 2016).

1.2 Rumusan Masalah

Berdasarkan batasan masalah yang

telah dikemukakan, maka rumusan masalah

yang ditemukan adalah:

1. Bagaimana membangun sebuah sistem

yang dapat identifikasi jenis bunga

menggunakan ekstraksi ciri orde satu

dan algoritma multisvm?

2. Dengan menggunakan data-data image

jenis bunga, bagaimana aplikasi

identifikasi jenis bunga menggunakan

ekstraksi ciri orde satu dan algoritma

multisvm dapat mengidentifikasi jenis

bunga yang di inputkan?

1.3 Batasan Masalah

Berdasarkan rumusan masalah di atas,

maka perlu dibuat batasan masalah agar

pembahasan terfokus pada satu masalah

yang akan dibahas, maka dapat ditentukan

batasan masalah diantaranya adalah sebagai

berikut:

1. Variabel input yang digunakan adalah

image/pola jenis bunga.

2. Output yang dihasilkan merupakan

identifikasi nama jenis bunga.

3. Aplikasi yang digunakan dalam proses

identifikasi yaitu menggunakan

MATLAB GUI.


118

1.4 Tujuan Penelitian

Adapun tujuan penelitian yang

dimaksudkan adalah sebagai berikut:

1. Membangun sebuah sistem yang dapat

mengidentifikasi jenis bunga

menggunakan ekstraksi ciri orde satu

dan algoritma multisvm.

2. Untuk mengetahui proses ekstrasi ciri



multisvm.

1.5 Manfaat Penelitian

Manfaat yang diperoleh dengan adanya

sistem yang dapat memprediksi tingkat

kematangan buah tomat yaitu:

1. Dapat memberikan informasi terhadap

jenis-jenis tanaman bunga.

2. Dapat menjadi pembelajaran

mengetahui proses ekstrasi ciri jenis

bunga dengan menggunakan multisvm.

2. METODOLOGI PENELITIAN

2.1 Citra

Citra merupakan istilah lain untuk

gambar sebagai salah satu komponen

multimedia yang memegang peranan yang

sangat penting sebagai bentuk informasi

visual. Citra mempunyai karakteristik yang

tidak dimiliki oleh data teks, yaitu citra

kaya dengan informasi. Secara harfiah, citra

(image) adalah gambar pada bidang

dwimatra (dua dimensi). Ditinjau dari sudut

pandang matematis, citra merupakan fungsi

menerus (continue) dari intensitas cahaya

pada bidang dwimatra. Sumber cahaya

menerangi objek, objek memantulkan

kembali sebagai dari berkas cahaya

tersebut.Pantulan cahaya ini ditangkap oleh

alat-alat optik, misalnya mata pada

manusia, kamera, pemindai (scanner), dan

sebagainya.Sehingga bayangan objek yang

disebut citra tersebut terakam (Permadi &

Murinto, 2015).

2.1.1 Tekstur Citra

Tekstur dicirikan sebagai distribusi

spasial dari derajat keabuan didalam

sekumpulan pixel-pixel yang bertetangga.

Jadi, tekstur tidak dapat diidentifikasikan

untuk sebuah pixel, melaikan suatu citra

dianggap sebagai suatu kesatuan. Dapat

pula dikatakan bahwa tekstur (texture)

adalah sifat sifat atau karakteristik yang

dimiliki oleh suatu daerah yang cukup besar

sehingga secara alami sifat tersebut dapat

berulang dalam daerah tersebut. Pengertian

dari tekstur dalam hal ini adalah keteraturan

pola-pola tertentu yang terbentuk dari

susunan pixel-pixel dalam citra. Suatu

permukaan dikatakan mempunyai

informasi tekstur, jika luasannya diperbesar

tanpa mengubah skala, maka sifat-sifat

permukaan hasil perluasan mempunyai

sifat kemiripan dengan permukaan asalnya

(Permadi & Murinto, 2015).

Pola-pola yang teratur muncul

secara berulang-ulang dengan interval jarak

dan arah yang tertentu. Suatu permukaan

tak berwarna dalam suatu citra dapat

mengandung informasi tekstur bila

permukaan itu mempunyai pola-pola

tertentu seperti permukaan kayu bekas di

gergaji, permukaan batu, hamparan pasir,

kumpulan biji-bijian, dan sebagainya.

Informasi tekstur dapat digunakan untuk

membedakan sifat permukaan suatu benda

dalam citra yang berhubungan dengan kasar

dan halus, sifat-sifat spesifik dari kekasaran

dan kehalusan permukaan tersebut, yang

sama sekali lepas dari warna permukaan

tersebut.

Analisis tekstur lazim dimanfaatkan

sebagai proses antara untuk melakukan

klasifikasi dan interpretasi citra. Suatu

proses klasifikasi citra berbasis analisis

tekstur pada umumnya membutuhkan

tahapan ekstraksi ciri, yang dapat terbagi

dalam tiga macam metode yaitu metode

statistik, metode spektral dan metode

struktural. Metode statistik menggunakan

perhitungan statistik distribusi derajat

keabuan (histogram) dengan mengukur

tingkat kekontrasan, granularitas, dan

kekasaran suatu daerah dari hubungan

ketetanggaan antar piksel di dalam citra.

Paradigma statistik ini penggunaannya

tidak terbatas, sehingga sesuai untuk


119

tekstur-tekstur alami yang tidak terstruktur

dari sub pola dan himpunan aturan

(mikrostruktur) (Siska Riantini Arief, 2011

dalam Permadi & Murinto, 2015).

2.1.2 Ekstraksi Ciri

Ekstraksi ciri merupakan metode

pengambilan ciri yang didasarkan pada

karakteristik histogram citra.Histogram

menunjukkan probabilitas kemunculan

nilai derajat keabuan piksel pada suatu

citra. Dari nilai-nilai pada histogram yang

dihasilkan, dapat dihitung beberapa

parameter ciri, antara lain adalah mean,

variance, skewness, kurtosis, dan entropy

(Fadil, 2012).

a. Mean (μ)

Menunjukkan ukuran dispersi dari suatu

citra.

𝜇

= ∑ 𝑓𝑛 𝑝(𝑓𝑛)

𝑛

𝑛=0

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . (2.1)

Dimana :

fn = nilai intensitas keabuan

p(fn) = nilai histogram

2. Variance (σ2)

Menunjukkan variasi elemen pada

histogram dari suatu citra.

𝜎2

= ∑(𝑓𝑛

𝑁

𝑛=0

− 𝜇)2 𝑝(𝑓𝑛) . . . . . . . . . . . . . . . . . (2.2)

Dimana :


𝜇 = nilai mean

p(fn)= nilai histogram

3. Skewness (𝛼3 )

Menunjukkan tingkat kemencengan

relatif kurva histogram dari suatu citra.

𝜎2

=1

𝜎3∑(𝑓𝑛

𝑁

𝑛=0

− 𝜇)3 𝑝(𝑓𝑛) . . . . . . . . . . . . . . . . . . (2.3)

Dimana :

𝜎3 = standar deviasi dari nilai

intensitass keabuan


𝜇 = nilai mean


4. Kurtosis (𝛼4 )

Menunjukkan tingkat keruncingan

relatif kurva histogram dari suatu citra.

𝛼4

=1

𝜎4∑(𝑓𝑛 − 𝜇)4 𝑝(𝑓𝑛)

𝑁

𝑛=0

. . . . . . . . (2.4)

Dimana :

𝛼4 = standar deviasi dari nilai

intensitass keabuan


𝜇 = nilai mean


5. Entropy (H)

Menunjukkan ukuran ketidakaturan

bentuk dari suatu citra.

𝐻

= − ∑ 𝑝(𝑓𝑛).2 log 𝑝(𝑓𝑛 )

𝑁

𝑛=0

… . . . . . . . . . (2.5)

Dimana :

p(fn) = nilai histogram

2.2 Pengolahan Citra

Menurut (Putra, 2010) Pengolahan

citra (image Processing) merupakan proses

mengolah piksel-piksel di dalam citra

digital untuk tujuan tertentu. Pada awalnya

pengolahan citra ini dilakukan untuk

memperbaiki kualitas citra, namun dengan

berkembangnya dunia komputasi yang

ditandai dengan semakin meningkatnya


120

kapasitas dan kecepatan proses komputer

serta munculnya ilmu-ilmu komputasi yang

memungkinkan manusia dapat mengambil

informasi dari suatu citra. Proses

pengolahan citra secara diagram proses

dimulai dari pengambilan citra, perbaikan

kualitas citra, sampai dengan pernyataan

representatif citra yang dicitrakan sebagai

berikut:

Dalam perkembangan lebih

lanjut, image processing dan computer

vision digunakan sebagai mata manusia,

dengan perangkat input image

capture seperti kamera

dan scanner dijadikan sebagai mata dan

mesin komputer (dengan program

komputasinya) dijadikan sebagai otak yang

mengolah informasi. Sehingga muncul

beberapa pecahan bidang yang menjadi

penting dalam computer vision, antara

lain: pattern recognition (pengenalan

pola), biometric pengenalan identifikasi

manusia berdasarkan ciri-ciri biologis yang

tampak pada badan manusia), content

based image and video

retrieval (mendapatkan kembali citra atau

video dengan informasi tertentu), video

editing, dan lain-lain.

2.2.1 Teknik-Teknik Pengolahan Citra

Digital

Secara umum, teknik pengolahan

citra digital dibagi menjadi tiga tingkat

pengolahan, yakni sebagai berikut:

1. Pengolahan Tingkat Rendah (Low-

Level Processing)

Pengolahan ini merupakan operasional-

operasional dasar dalam pengolahan

citra, seperti pengurangan noise (noise

reduction), perbaikan citra (image

enhancement) dan restorasi citra (image

restoration).

2. Pengolahan Tingkat Menengah (Mid-

Level Processing)

Pengolahan ini meliputi segmentasi pada

citra, deskripsi objek, dan klasifikasi

objek secara terpisah.

3. Pengolahan Tingkat Tinggi (High-

Level Processing)

Pengolahan ini meliputi analisis Citra.

Dari ketiga tahap pengolahan citra

digital di atas, dapat dinyatakan suatu

gambaran mengenai teknik-teknik

pengolahan citra digital dan macam-

macamnya, antara lain sebagai berikut:

1. Image enhancement, berupa proses

perbaikan citra dengan meningkatkan

kualitas citra, baik kontras maupun

kecerahan.

2. Image restoration, yaitu proses

memperbaiki model citra,biasanya

berhubungan dengan bentuk citra yang

sesuai.

3. Color image processing, yaitu suatu

proses yang melibatkan citra berwarna,

baik berupa image enhancement, image

restoration, atau yang lainnya.

4. Wavelet dan multiresolution

processing, merupakan suatu proses

yang menyatakan citra dalam beberapa

resolusi.

5. Image compression, merupakan proses

yang digunakan untuk mengubah ukuran

data pada citra.

6. Morphological processing, yaitu proses

untuk memperoleh informasi yang

menyatakan deskripsi dari suatu bentuk

pada citra.

7. Segmentation, merupakan proses untuk

membedakan atau memisahkan objek-

objek yang ada dalam suatu citra, seperti

memisahkan objek dengan latar

belakangnya.

8. Object recognition, yaitu suatu proses

yang dilakukan untuk mengenali objek-

objek apa saja yang ada dalam suatu

citra.

2.3 Support Vector Machine

Support Vector Machine (SVM)

merupakan salah satu metode yang

digunakan dalam mengklasifikasikan suatu

citra dengan konsep dasar yang


121

menggunakan sebuah fungsi linear atau

hyperlane yang dapat memisahkan data

latih kedalam dua kelas dengan

memaksimalkan margin diantara kedua

kelas tersebut. Jadi dapat dikatakan tujuan

dalam SVM adalah berusaha untuk

menemukan hyperlane atau fungsi pemisah

(klasifier) yang optimal yang dapat

memisahkan dua set data dari dua kelas

yang berbeda. Hyperplane pemisah terbaik

antara kedua kelas dapat ditemukan dengan

mengukur margin hyperplane tersebut dan

mencari titik maksimalnya. Margin adalah

jarak antara hyperplane tersebut dengan

pattern terdekat dari masing masing kelas.

Pattern terdekat inilah yang disebut support

vector. Garis antar pattern menunjukan

hyperplane yang terbaik yaitu yang terletak

tepat pada tengah tengah kedua kelas.

Support vector machine merupakan

golongan supervised learning yaitu

memiliki proses pembelajaran yang akan

menghasilkan suatu fungsi pemisah dari

input-output berdasarkan sejumlah data

latih (Rizky Ade Safitri et al., 2019).

2.4 Bunga

Bunga ialah sebagai alat

perkembangbiakan generatif tumbuhan biji

tertutup. Didalam bagian-bagian bunga

mempunyai macam-macam atau juga jenis-

jenis bagian dalam bunga yang setiap

fungsinya pada masing-masing bagian

bunga tersebut berbeda-beda juga, sehingga

diperlukan suatu pembahasan yang panjang

dan juga luas mengenai bagian-bagian

bunga (Gurupendidikan.co.id).

Bunga (flos) atau kembang adalah

struktur reproduksi seksual pada tumbuhan

berbunga (divisio Magnoliophyta atau

Angiospermae, “tumbuhan berbiji

tertutup”). Fungsinya ialah untuk adalah

untuk memediasi fusi sperma (gamet

jantan) dan ovula (gamet betina) untuk

produksi benih. Susunan bunga dalam

tangkai disebut pembungaan. Pada bunga

terdapat organ reproduksi (benang sari dan

putik).

Bunga secara sehari-hari juga

dipakai untuk menyebut struktur yang

secara botani disebut sebagai bunga

majemuk atau inflorescence. Bunga

majemuk adalah kumpulan bunga-bunga

yang terkumpul dalam satu karangan.

Dalam konteks ini, satuan bunga yang

menyusun bunga majemuk disebut floret.

Bunga sebenarnya adalah

modifikasi daun dan batang untuk

mendukung sistem pembuahan tertutup.

Sistem pembuahan tertutup, yaitu karena

bakal biji terlindung di dalam bakal buah

atau ovarium dan ini juga menjadi ciri

khasnya yang lain. Ciri yang terakhir ini

membedakannya dari kelompok tumbuhan

berbiji yang lain: tumbuhan berbiji terbuka

atau Gymnospermae. Dari kedua ciri

tersebut muncullah nama Anthophyta

(“tumbuhan bunga”) dan Angiospermae

(“berbiji terbungkus”). Nama lain yang

juga dikenakan kepadanya adalah

Magnoliophyta (“tumbuhan sekerabat

dengan magnolia”).

2.4.1 Jenis-Jenis Bunga

Saat ini banyak jenis bunga hias

yang bisa kita dapatkan di toko bunga.

Biasanya toko bunga menjual lengkap

dengan vas Bunga. Namun kita juga dapat

membeli hanya seikat bunga. Berikut ini

adalah jenis-jenis bunga yang paling

disukai:

1. Bunga Mawar

Bunga Mawar merupakan Tanaman

Hiasan bunga yang paling banyak dicari

dan disukai oleh semua orang. Karena

dengan warna dan bentuknya yang

cantik, serta wanginya yang harum

mampu menggugah perasaan seseorang.

Oleh karena itu bunga Mawar

merupakan bunga yang paling populer di

dunia, dengan banyaknya jenis Mawar

yang begitu memikat. Bunga Mawar

disukai oleh orang tidak hanya untuk

dipajang atau ditanam dalam vas atau

pot bunga, tetapi juga dengan membuat

kebun bunga Mawar.


122

2. Bunga Tulip

Bunga Tulip yang banyak tumbuh dan

terkenal di negara Belanda, juga

merupakan jenis Hiasan Bunga yang

banyak dicari. Bunga ini tumbuh di

musim dingin, dan tidak dapat tumbuh

subur di tempat yang beriklim tropis.

3. Bunga Teratai

Bunga Teratai lebih dikenal masyarakat

dunia dengan nama Water lily. Namun

Bunga Hiasan ini bukanlah jenis dari

bunga Lily. Bunga ini adalah bunga dari

tanaman yang hidup dan tumbuh di

permukaan air. Tanaman ini dapat

tumbuh di permukaan air yang tenang,

seperti di kolam, sungai atau rawa. Oleh

karena itu, bagi orang-orang yang ingin

memelihara bunga ini haruslah memiliki

kolam untuk membudidayakannya.

4. Kembang Sepatu

Kembang Sepatu berasal dari Asia

Timur. Bunga ini juga dapat dijadikan

sebagai tanaman hias karena warna-

warnanya yang cantik. Bunga ini

merupakan jenis tanaman semak dan

tumbuh di daerah yang suhunya hangat.

Bunga tumbuh pada tanaman yang dapat

mencapai ketinggian 2 sampai 5 meter.

Daunnya mempunyai bentuk yang agak

lebar dan bulat dengan ujung daun yang

meruncing.

5. Kateliya (Cattleya)

Bunga Kamboja berasal dari Amerika

Tengah dan banyak tumbuh di Meksiko

dan Venezuela. Bunga ini lebih dikenal

dengan nama Plumeria, yang diambil

dari nama seorang ahli tanaman yang

berasal dari Perancis dan terkenal pada

abad ke-17, yaitu Charles Plumier.

Sebelum terkenal dengan nama

Plumeria, bunga Kamboja dikenal

dengan nama Frangipani. Nama ini

adalah nama seorang berkebangsaan

Itali yang menemukan dan membuat

minyak wangi dari bunga Kamboja di

abad ke-16.

6. Bunga Melati (Jasmine)

Bunga yang tumbuh setiap tahun ini

memiliki wangi yang sangat harum dan

khas. Bunga ini tumbuh di daerah tropis

dan mekar pada musim semi atau musim

panas. Biasanya bunga ini kuncup pada

malam hari dan akan mekar lagi pada

pagi hari.

7. Bunga Anyelir

Ketenaran bunga Anyelir hampir

menyamai bunga Mawar, dan juga

merupakan salah satu bunga yang paling

populer di dunia. Bunga ini merupakan

ekspresi dari suatu perasaan yang

sentimental, kecantikan, serta kesegaran

yang tahan lama. Bunga Anyelir

kebanyakan berwarna merah muda,

namun ada pula yang berwarna merah,

putih, kuning dan hijau. Bentuknya bulat

dengan komposisi beberapa bagian

kelopak yang terpisah. Bunga ini

tumbuh dan mekar di tiap tangkainya

temukan aneka bunga unik di Jual

Tanaman Bunga & Jual Aneka Bunga.

8. Bunga Anggrek

Bunga Anggrek yang berasal dari

spesies yang bernama Orchidaseae ini

dikenal sebagai bunga yang tahan lama.

Bunga ini juga sangat populer dengan

keeksotikannya. Oleh karena itu banyak

orang yang menjadikannya sebagai

tanaman hias. Bunga Anggrek

mempunyai banyak warna seperti ungu,

merah keunguan, putih, dan kuning.

9. Bunga Aster

Sebuah taman bunga tidak lengkap bila

tidak ada Tanaman Hiasan bunga Aster.

Bunga dengan banyak jenis dan warna

yang cantik ini mencerminkan

keriangan, kegembiraan dan

kesederhanaan. Apabila anda ingin

berbagi keceriaan pada seseorang

dengan bunga, maka bunga Aster adalah

pilihan yang tepat.

3. HASIL DAN PEMBAHASAN

3.1 Data Pedukung Penelitian

Dalam menganalisa khususnya dalam

mengidentifikasi jenis bunga tentunya

diperlukan data-data yang akan menjadi

pendukung untuk dilakukan analisis

perhitungan sebuah metode, sehingga


123

nantinya dapat diperoleh sebuah

kesimpulan identifikasi jenis bunga

berdasarkan data yang telah ditentukan.

Dalam sistem mengidentifikasi jenis bunga

yaitu jenis bunga . Berdasarkan data

tersebut maka data-data yang diperoleh

dalam penelitian pada PT. Gergas Utama

Desa Gergas yaitu seperti pada tabel

dibawah ini.


124

3.2 Penerapan Metode

Data-data yang diperlukan dalam

proses analisis identifikasi jenis bunga ini

adalah pola image atau gambar dari jenis

bunga tersebut. Data-data gambar jenis

bunga tersebut kemudian dilakukan ektrasu

ciri dengan menggunakan metode orde

satu.

3.2.1 Ektrasi Ciri Orde Satu

Ekstraksi ciri orde satu merupakan

metode pengambilan ciri yang didasarkan

pada karakteristik histogram citra.

Beberapa parameter ciri orde satu antara

lain adalah mean, skewness, variance,

kurtosis, dan entropy. Parameter ciri

tersebut dapat digunakan sebagai masukan

dalam algoritma identifikasi untuk

mengenali objek dalam citra. Berikut ini

merupakan contoh aplikasi pemrograman

matlab untuk mengidentifikasi jenis bunga

menggunakan ekstraksi ciri orde satu dan

algoritma multisvm.

Tabel dibawah ini merupakan pola

gambar bunga yang telah dilakukan ekstrasi

ciri yang dilakukan dengan cara

menginputkan gambar kedalam aplikasi

Matlab kemudian diperoleh ekstrasi ciri

seperti pada gambar dibawah.

https://pemrogramanmatlab.com/2017/07/26/histogram-citra/


125

3.2.2 Identifikasi Menggunakan

Multisvm

Sebelum melakukan identifikassi

jenis bunga, maka perlu dibentuk suatu

klasifikasi jenis bunga agar mudah dalam

mengidentfikasi jenis bunga apa yang

nantinya akan diidentifikasi. Dalam hal ini

sebagai contoh perhitungan digunakan 2

jenis bunga yang nantinya akan

diklasifikasi yaitu bunga mawar dan bunga

sepatu. Jenis bunga ini nangtinya akan

dihitung dan diklasifikan masuk kedalam

jenis kelompok bunga yang tepat dan

berada dalam 1 kelompok/kelas. Berikut

merupakan tabel klasifikassi jenis bunga

yang akan digunakan sebagai contoh

perhitungan.

3.3 Pembahasan

Pada perancangan sistem penulis

membangun suatu sistem yang selama ini

dilakukan penelitian secara sistem yang

terkomputerisasi yaitu dengan judul


ekstraksi ciri orde satu dan algoritma multi

support-vector machines (multisvm).

Program yang dibuat dengan bahasa

pemrograman Matlab beserta database

yang menggunakan Microsoft Excel.

Pertama penulis membangun sebuah sistem


ekstraksi ciri orde satu dan algoritma multi

support-vector machines (multisvm) yaitu

masuk ke identifikasi bunga selanjutnya

menginput data pola bunga yang akan

dilakukan identifikasi.

Antarmuka (interface) merupakan salah

satu layanan yang disediakan sistem operasi

sebagai sarana interaksi antara pengguna

dengan sistem operasi. Antarmuka adalah

komponen sistem operasi yang bersentuhan

langsung dengan pengguna. Dalam

hubungannya dengan perangkat lunak,

interface dapat diartikan sebagai sarana

atau medium atau sistem operasi yang

digunakan untuk menghubungkan antara

perangkat mikroprosesor agar dapat

berkomunikasi dengan pengguna (user).

Sedangkan pada konteks perangkat keras

interface berarti komponen elektronika

yang menghubungkan atau


126

mengkomunikasikan prosesor dengan

komponen atau perangkat lain dalam suatu

sistem. Berikut penjelasan interface proses

utama program.

1. Tahap Pilihan GUIDE

Tahap ini adalah tahap awal dimana user

harus menjalankan program identifikasi

jenis bunga secara elektronik dengan

bahasa pemrograman Matlab dan harus

memilih pilihan Guide pada tampilan

dibawah ini.

2. Tahap Pilihan Open Existing GUIDE

Tahap ini menampilkan beberapa pilihan

pada menu program yang akan di buka

namun terlebih utama harus memilih

yang lebih awal yaitu open existing

guide dan pilihan halaman utama.

3. Tahap Menjalankan Program (run)

Pada tahap ini Bareskrim harus

menjalankan program ini (run) untuk

bisa melanjutkan ke tahap selanjutnya.

4. Tampilan Halaman Utama

Tampilan halaman utama ini dimana

pengguna hanya bisa membuka menu

identifikasi bunga, bantuan dan keluar.

5. Proses pelatihan dan pengujian

Proses pelatihan dan pengujian

dilakukan untuk melatih data dan

mengenalkan pola-pola inputan pola

bunga yang nantinya akan dikenali oleh

sistem yang kemudian ketika dilakukan

proses pengujian maka sistem dapat

mengidentifikasi jenis bunga yang

diinputkan. Berikut merupakan hasil

dari peroses pelatihan dan pengujian

ketika di jalankan.

6. Tampilan Identifikasi

Pada saat pengguna masuk ke menu

identifikasi bunga berisi perintah dan

proses identifikasi, dimulai buka citra

pola gambar bunga kemudian proses

ekstrasi dengan metode orde satu

kemudian proses identifikasi untuk

mengetahui jenis identifikasi jenis.

Adapun tapimlan prosesnya yaiu sebaai

berikut.

Berdasarkan data bunga yang diinputkan

bahwa identifikasi bunga alamanda sesuai

dan benar. Untuk mengidentifikasi jenis

bunga yang lain dapat dilakukan dengan

cara yang sama.

7. Tampilan Bantuan

Pada tampilan bantuan untuk

mengetahui prose cara penggunan

sistem ini yaitu sebagai berikut.


127

4. KESIMPULAN

Dari hasil analisa berdasarkan

identidikasi jenis bunga data pola bunga

yang telah diproses, maka dapat diambil

suatu kesimpulan sebagai berikut:

1 Dengan menggunakan softaware Matlab

dapat dibangun sebuah sistem GUI y

dapat dibangun sebuah sistem



multisvm.

2. Berdasarkan analisis yang telah

dilakukan aplikasi identifikasi jenis

bunga menggunakan ekstraksi ciri orde

satu dan algoritma multisvm dapat

mengidentifikasi jenis bunga yang

diinputkan dengan hasil tingkat akurasi

data pengujian yaitu sebesar 61,76 %

dari 34 data yang telah diujikan.

5. SARAN

Adapun saran yang akan menjadi

syarat untuk lebih baik lagi dalam penulisan

skripsi ini dan berguna diwaktu yang akan

datang adalah sebagai berikut:

1. Data pola ditambah agar proses

pelatihan dapat dikenali oleh sistem

lebih banyak lagi dan diharapkan lebih

akurat.

2. Skripsi ini dapat dilanjutkan dengan

menambahkan data-data yang lebih

banyak dari skripsi ini, dan diharapkan

untuk dapat mengimplementasikan

sistem ini dengan menggunakan

software lain selain Matlab GUI.

3. Diharapkan untuk peneliti lebih lanjut

untuk dapat membuat dengan

menggunakan metode lain agar

diperoleh informasi yang lebih baik lagi

dan sebagai bahan perbandingan.

DAFTAR PUSTAKA

[1]. Ana Mariyam Puspitasari, Dian Eka

Ratnawati dan Agus Wahyu Widodo.

2018. Klasifikasi Penyakit Gigi Dan

Mulut Menggunakan Metode Support

Vector Machine. Jurnal

Pengembangan Teknologi Informasi

dan Ilmu Komputer e-ISSN: 2548-

964X. Universitas Brawijaya. Medan

[2]. Darma Putra. 2010. Pengelahan Citra

Digital. CV. Andi Offset,

Yogyakarta.

[3].Darma Putra. 2010. Pengantar

Pemograman Matlab Panduan

Praktis Belajar Matlab. Kompas

Gramedia, Jakarta.

[4]. Erick Lamdompak S. 2016. Klasifikasi

Malware Trojan Ransomware

Dengan Algoritma Support Vector

Machine (SVM). ANNUAL

RESEARCH SEMINAR 2016

ISBN : 979-587-626-0. Universitas

Sriwijaya, Palembang

[5]. Fadlil, Abdul. 2012. Modul Kuliah

Pengenalan Pola. Universitas

Ahmad Dahlan, Yogyakarta.

[6]. Muchammad Arief , 2019. Klasifikasi

Kematangan Buah Jeruk

Berdasarkan Fitur Warna

Menggunakan Metode SVM. Jurnal

Ilmu Komputer dan Desain

Komunikasi Visual Volume 4,

Nomor 1, ISSN (Cetak) : 2541-4550

ISSN. Universitas Nahdlatul

Ulama, Sidoarjo.

[7]. Rizky Ade Safitri, Siti Nurdiani, Dwiza

Riana, Sri Hadianti. 2019.

Klasifikasi Jenis Buah Apel

Menggunaka Metode Orde 1dengan

Algoritma Multy Support-Vector

Machines. Jurnal Teknik

Informatika dan Komputer P-

ISSN 1410-5063, E-ISSN: 2579-


128

3500. STMIK Nusa Mandiri,

Jakarta.

[8]. Sugiarti Y. 2013.Analisis dan

Perancangan UML (United

Modeling Language) Generated

VB.6.Graha Ilmu. Yogyakarta.

[9]. Yatini IB. 2010. Flowchart, Algoritma

dan Pemrograman menggunakan

Bahasa C++Builder, Graha Ilmu.

Yogyakarta.

[10]. Yuda Permadi dan Murinto. 2015.

Aplikasi Pengolahan Citra Untuk

Identifikasi Kematangan Mentimun

Berdasarkan Tekstur Kulit Buah

Menggunakan Metode Ekstraksi

Ciri Statistik. Jurnal Teknik

Informatika. Universitas Ahmad

Dahlan, Yogyakarta.

[11].https://www.gurupendidikan.co.id/pe

ngertian-bunga diakses pada 30 Mei

2020.

https://www.gurupendidikan.co.id/pengertian-bunga

https://www.gurupendidikan.co.id/pengertian-bunga

Documents

IDENTIFIKASI JENIS BUNGA MENGGUNAKAN EKSTRAKSI …