Upload
others
View
12
Download
0
Embed Size (px)
Citation preview
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.
Jurnal Informatika Kaputama (JIK), Vol. 5 No. 1, Januari 2021 P-ISSN : 2548-9739 E-ISSN : 2685-5240
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.
Jurnal Informatika Kaputama (JIK), Vol. 5 No. 1, Januari 2021 P-ISSN : 2548-9739 E-ISSN : 2685-5240
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
identifikasi jenis bunga menggunakan
ekstraksi ciri orde satu dan algoritma
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
Jurnal Informatika Kaputama (JIK), Vol. 5 No. 1, Januari 2021 P-ISSN : 2548-9739 E-ISSN : 2685-5240
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 :
fn = nilai intensitas keabuan
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
fn = nilai intensitas keabuan
𝜇 = nilai mean
p(fn)= nilai histogram
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
fn = nilai intensitas keabuan
𝜇 = nilai mean
p(fn)= nilai histogram
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
Jurnal Informatika Kaputama (JIK), Vol. 5 No. 1, Januari 2021 P-ISSN : 2548-9739 E-ISSN : 2685-5240
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
Jurnal Informatika Kaputama (JIK), Vol. 5 No. 1, Januari 2021 P-ISSN : 2548-9739 E-ISSN : 2685-5240
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.
Jurnal Informatika Kaputama (JIK), Vol. 5 No. 1, Januari 2021 P-ISSN : 2548-9739 E-ISSN : 2685-5240
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
Jurnal Informatika Kaputama (JIK), Vol. 5 No. 1, Januari 2021 P-ISSN : 2548-9739 E-ISSN : 2685-5240
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.
Jurnal Informatika Kaputama (JIK), Vol. 5 No. 1, Januari 2021 P-ISSN : 2548-9739 E-ISSN : 2685-5240
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.
Jurnal Informatika Kaputama (JIK), Vol. 5 No. 1, Januari 2021 P-ISSN : 2548-9739 E-ISSN : 2685-5240
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
identifikasi jenis bunga menggunakan
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
identifikasi jenis bunga menggunakan
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
Jurnal Informatika Kaputama (JIK), Vol. 5 No. 1, Januari 2021 P-ISSN : 2548-9739 E-ISSN : 2685-5240
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.
Jurnal Informatika Kaputama (JIK), Vol. 5 No. 1, Januari 2021 P-ISSN : 2548-9739 E-ISSN : 2685-5240
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
identifikasi jenis bunga menggunakan
ekstraksi ciri orde satu dan algoritma
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-
Jurnal Informatika Kaputama (JIK), Vol. 5 No. 1, Januari 2021 P-ISSN : 2548-9739 E-ISSN : 2685-5240
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.