KLASIFIKASI TANAMAN OBAT-OBATAN BERDASARKAN CITRA DAUN DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN

Abstract

 Herbal  medicines are an alternative to health efforts for  Indonesian people. The number of   types of medicinal plants in Indonesia makes it difficult for some people to recognize the types of plants. Therefore, a system that can help identify the type of medicinal plant is needed. The system is processing the image of a plant that is taken to recognize its structural characteristics, so as to produce an output in the form of a recognizable type of plant. This study aims to determine the characteristics of the texture and shape morphology from medicinal plants leaves so that it can be used to detect and recognize the type of leaves. This study uses 10 types of medicinal plant leaves. The system design that is built using Gray Level Co-occurance Matrix (GLCM) feature extraction and shape morphology feature extraction with Backpropagation Artificial Neural Network classifier that is able to train the system before being applied to test the image of the leaf to be recognized. Based on the introduction testing on the all image, the image can be identified by type and yield recognition accuracy is 83.5% with the highest accuracy results produced by Jarak and Mengkudu, and the lowest recognition rate produced by sirih. ABSTRAK Obat-obatan herbal merupakan alternatif dalam upaya kesehatan bagi masyarakat Indonesia. Banyaknya aneka ragam jenis tanaman obat di Indonesia membuat sebagian masyarakat sulit untuk mengenali jenis-jenis tanaman yang ada. Oleh karena itu, diperlukan suatu sistem yang dapat membantu mengenali jenis tanaman obat. Sistem tersebut merupakan pengolahan citra tanaman yang diambil untuk dikenali karakteristik strukturalnya sehingga menghasilkan keluaran berupa tanaman dapat dikenali jenisnya. Penelitian ini bertujuan untuk mengetahui karakterikstik tekstur, morfologi bentuk daun tanaman obat sehingga dapat digunakan untuk mendeteksi dan mengenali jenis daun. Penelitian ini menggunakan 10 jenis daun tanaman obat-obatan. Perancangan sistem yang dibangun menggunakan ekstraksi fitur tekstur Gray Level Co-occurance Matrix (GLCM) dan ekstraksi fitur morfologi bentuk dengan classifier Jaringan Syaraf Tiruan Backpropagation yang mampu melatih sistem sebelum diterapkan untuk melakukan pengujian terhadap citra daun yang akan dikenali jenisnya. Berdasarkan pengujian pengenalan pada keseluruhan citra, citra dapat dikenali jenisnya dan menghasilkan tingkat akurasi pengenalan sebesar 83,5% dengan hasil akurasi tertinggi dihasilkan oleh daun jarak dan mengkudu sebesar 100%, serta tingkat pengenalan terendah dihasilkan oleh daun sirih sebesar 60%.