FITUR BERBASIS FRAKTAL DARI KOEFISIEN WAVELET UNTUK KLASIFIKASI CITRA DAUN

Ardhon Rakhmadi, Nanik Suciati, Dini Adni Navastara

Abstract


Semakin banyak dan beragamnya jenis tanaman di dunia mengakibatkan semakin sulit untuk mengidentifikasi dan mengklasifikasi tanaman secara manual.  Daun merupakan bagian dari tanaman yang sering dipakai untuk identifikasi dan klasifikasi tanaman. Metode klasifikasi daun secara automatis telah banyak dikembangkan oleh para peneliti. Pada penelitian sebelumnya sistem klasifikasi daun otomatis dibangun menggunakan fitur berbasis fraktal yaitu dimensi fraktal dan lacunarity. Sistem klasifikasi daun otomatis berbasis dimensi fraktal dan lacunarity dapat mengklasifikasi daun dengan akurasi tinggi namun memerlukan banyak langkah preprocessing sehingga mengakibatkan komputasi sistem meningkat. Pada penelitian ini diusulkan penggunaan metode praproses dan ekstraksi wavelet pada ekstraksi fitur citra daun. Ekstraksi fitur menggunakan teknik perhitungan statistika sederhana pada koefisien wavelet sehingga komputasi menjadi lebih ringan. Hasil ekstraksi fitur citra daun akan menjadi data masukan untuk sistem klasifikasi Support Vector Machine (SVM). Hasil eksperimen menunjukkan bahwa metode ekstraksi fitur statistik pada dekomposisi wavelet lebih unggul dibandingkan dengan metode ekstraksi fitur berbasis fraktal (dimensi fraktal dan lacunarity) dari penelitian sebelumnya dengan akurasi 96.66% dan waktu komputasi 329.33 detik.

Full Text:

PDF

References


T. Beghin, J. S. Cope, P. Remagnino, dan S. Barman. (2010, December). Shape and texture based plant leaf classification. In International Conference on Advanced Concepts for Intelligent Vision Systems hal. 345-353.

A. Kadir, L. E. Nugroho, A. Susanto, dan P. I. Santosa. (2013). Leaf classification using shape, color, and texture features. arXiv preprint arXiv:1401.4447, 2013.

J. X. Du, X. F. Wang, dan G. J. Zhang. (2007). Leaf shape based plant species recognition. Applied mathematics and computation, 185(2), hal. 883-893.

O. M. Bruno, R. de Oliveira Plotze, M. Falvo, dan M. de Castro. (2008). Fractal dimension applied to plant identification. Information Sciences, 178(12), hal.2722-2733.

J. X. Du, C. M. Zhai, dan Q. P. Wang. (2013). Recognition of plant leaf image based on fractal dimension features. Neurocomputing, 116, hal. 150-156.

C. H. Arun, W. S. Emmanuel, dan D. C. Durairaj. (2013). Texture feature extraction for identification of medicinal plants and comparison of different classifiers. International Journal of Computer Applications, 62(12).

F. Y. Lin, C. H. Zheng, X. F. Wang, dan Q. K. Man. (2008). Multiple classification of plant leaves based on gabor transform and lbp operator. Advanced Intelligent Computing Theories and Applications. With Aspects of Contemporary Intelligent Computing Techniques, hal. 432-439.

Y. Xu, Y. Quan, H. Ling, dan H. Ji. (2011). Dynamic texture classification using dynamic fractal analysis. In Computer Vision (ICCV), 2011 IEEE International Conference. Hal. 1219-1226. IEEE.

M. Muchtar, N. Suciati, dan C. Fatichah. (2016). FRACTAL DIMENSION AND LACUNARITY COMBINATION FOR PLANT LEAF CLASSIFICATION. Jurnal Ilmu Komputer dan Informasi, 9(2), hal. 96-105.

R. C. Gonzalez, dan R. E. Woods. (2002). Digital Image Processing, A. Dowrkin, Ed. Upper Saddle River, New Jersey 07458.

A. R. Backes, D. Casanova, dan O. M. Bruno. (2009). Plant leaf identification based on volumetric fractal dimension. International Journal of Pattern Recognition and Artificial Intelligence, 23(06), hal. 1145-1160.

D. Casanova, J. J. de Mesquita Sa Junior, dan O. M. Bruno. (2009). Plant leaf identification using Gabor wavelets. International Journal of Imaging Systems and Technology, 19(3), hal. 236-243.

A. Kadir, L. E. Nugroho, A. Susanto, dan P. I. Santosa. (2013). Leaf classification using shape, color, and texture features. arXiv preprint arXiv:1401.4447.

J. Chaki, R. Parekh, dan S. Bhattacharya. (2015). Plant leaf recognition using texture and shape features with neural classifiers. Pattern Recognition Letters, 58, hal. 61-68.

W. Gonzalez, R. E. Woods, dan L. Steven. (2009). Eddins. Digital image processing using Matlab, 2.

N. Suciati, A. B. Anugrah, C. Fatichah, H. Tjandrasa, A. Z. Arifin, D. Purwitasari, dan D. A. Navastara. (2016). Feature extraction using statistical moments of wavelet transform for iris recognition. In Information & Communication Technology and Systems (ICTS), 2016 International Conference on (hal. 193-198). IEEE.

R. E. Plotnick, R. H. Gardner, dan R. V. O'Neill. (1993). Lacunarity indices as measures of landscape texture. Landscape ecology, 8(3), hal. 201-211.

A. R. Backes. (2013). A new approach to estimate lacunarity of texture images. Pattern Recognition Letters, 34(13), hal. 1455-1461.

D. A. Doshi, A. M. Kothari, dan D. G. Kamdar. (2013). Feature extraction for texture classification–An approach with discrete wavelet transform. Int. J. Darshan Inst. Eng. Res. Emerg. Technol, 2, hal. 6-10.

R. Kohavi. (1995). A study of cross-validation and bootstrap for accuracy estimation and model selection. IJCAI (Vol. 14, No. 2, hal. 1137-1145).




DOI: http://dx.doi.org/10.12962/j24068535.v15i2.a672

Refbacks

  • There are currently no refbacks.


Free counters!
Creative Commons License
JUTI (Jurnal Ilmiah Teknologi Informasi) by Department of Informatics, ITS is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License. JUTI is accordance with CC BY-SA.