Identifikasi Tanaman Herbal Berdasarkan Citra Daun Menggunakan Cosine Similarity dan Features Extraction
DOI:
https://doi.org/10.51544/jurnalmi.v5i1.1264Keywords:
Cosine Similarity, GLCM, moment invariant.Abstract
Tanaman herbal merupakan tanaman yang dimanfaatkan sebagai obat-obatan untuk berbagai jenis penyakit. Tanaman ini banyak terdapat di daerah hutan atau lingkungan hijau yang keberadaannya tak jarang luput dari manusia. Bahkan beberapa orang sulit untuk membedakan mana tumbuhan herbal dan mana yang bukan. Langkah yang terbaik sebelum menggunakan tumbuhan tersebut adalah dengan melakukan identifikasi terhadap daun tanaman herbal, karena terdapat juga tumbuhan yang hampir mirip dengan tanaman herbal ternyata adalah tanaman yang mengandung racun. Identifikasi yang dilakukan dengan cara mengambil citra dari daun tersebut dan diolah menggunakan komputer dengan metode identifikasi seperti, cosine similarity. Sebelum diklasifikasi dengan metode cosine similarity, terlebih dahulu citra akan diolah dan diektraksi ciri menggunakan ciri tekstur dengan GLCM dan ciri morfologi dengan moment invariant. Hal ini dilakukan untuk mengetahui ciri-ciri dari masing-masing citra daun untuk proses identifikasi. Berdasarkan pengujian yang dilakukan menggunakan metode yang diusulkan tersebut diperoleh akurasi rata-rata identifikasi dengan ketepatan sebesar 89,57%.
Downloads
References
S. Rajani, and M. N. Veena, “Study on Identification and Classification of Medicinal Plants,” International Journal of Advances in Science Engineering and Technology, Vol. 6, Issue. 2, pp. 13–18, Juni 2018
H. Almogdady, S. Manaseer, and H. Hiary, “A Flower Recognition System Based On Image Processing And Neural Networks,” International Journal of Scientific and Technology Research, vol. 7, issue 11, pp. 166–167, November 2018
A. Vaishnavdevi, S. Suganraj, L. Mareeswaran, S. Subaraja, & K. Srinivas, “Analysis of Brodats Image Using GLCM and Hu’s Moments,” International Journal of Electronics and Communication – (ICCREST’17), March 2017
F. Rahutomo, T. Kitasutka, and M. Aritsugi, “Semantic Cosine Similarity,” The 7th International Student Conference on Advanced Science and Technology: South Korea, October 2012
I. Raji and K. Thyagharajan, “An Analysis of Segmentation Techniques to Identify Herbal Leaves from Complex Background,” International Conference on Intelligent Computing Communication and Convergence (ICCC-2015), pp. 589–599, 2015
A. Kadir, L. E. Nugroho, A. Susanto, & P. I. Santosa, “Leaf Classification Using Shape, Color, and Texture Features,” International Journal of Computer Trends and Technology, pp. pp. 225–230, August 2011
R. H. Shaparia, M. Narendra, H. S. Zankhana, “Flower Classification using Texture and Color Features,” International Conferenceon Research and Innovation in Science, Engineering & Technology. Kalpa Publications in Computing: vol. 3, pp. 113–118, 2017
R. M. Haralick, M. Shanmugam & I. Dinstein, “Textural Features for Image Classification,” IEEE Transaction on Systems, Man and Cybernetics (Volume: SMC-3, Issue: 6, November 1973
N. Purwaningsih, S. Indah, & A.N. Hanung, “Ekstraksi Ciri Tekstur Citra Kulit Sapi
Berbasis Co-Occurrence Matrix,” Seminar Nasional Teknologi Informasi dan
Multimedia 2015 - STMIK AMIKOM Yogyakarta, 6-8 Februari 2015
M. Zulfaezal, C. Azemin, M. Izzuddin, M. Tamrin, M. R. Hilmi, & K. M. Kamal, “GLCM Texture Analysis on Different Color Space For Pterygium Grading 10(15),” 6410–6413, 2015
A. Sunyato, “Analisa Metode Moment Invariant Untuk Mendeteksi Obyek Yang Telah Mengalami Tranformasi,” Jurnal DASI, vol. 14, pp. 1–4, Maret 2013.
R. C. Gonzales & R. E. Woods, “Digital Image Processing Third Edition, New Jersey,” Pearson Prentice Hall, 2008
S. Kaur & Aggarwal, “Image Content Based Retrieval System using Cosine
Similarity for Skin Disease Images,” ACSIJ Advances in Computer Science: an
International Journal, Vol. 2, Issue 4, No.5, September 2013
This work is licensed under a 