Klasifikasi Varietas Tanaman Kelengkeng Berdasarkan Morfologi Daun Menggunakan Backpropagation Neural Network dan Probabilistic Neural Network

Abstract

Pengenalan daun memainkan peran penting dalam klasifikasi tanaman dan isu utamanya terletak pada apakah fitur yang dipilih stabil dan memiliki kemampuan yang baik untuk membedakan berbagai jenis daun. Pengenalan tanaman berbantuan komputer merupakan tugas yang masih sangat menantang dalam visi komputer karena kurangnya model atau skema representasi yang tepat. Fokus komputerisasi pengenalan tanaman hidup adalah untuk mengukur bentuk geometris berbasis morfologi daun. Informasi ini memainkan peran penting dalam mengidentifikasi berbagai kelas tanaman. Pada penelitian ini dilakukan pengenalan jenis tanaman berdasarkan fitur yang menonjol dari daun seperti fisiologis panjang (physiological length), lebar (physiological width), diameter, keliling (leaf perimeter), luas (leaf area), faktor mulus (narrow factor), rasio aspek (aspect ratio), factor bentuk (form factor), rectangularity, rasio perimeter terhadap diameter, rasio perimeter panjang fisiologi dan lebar fisiologi yang dapat digunakan untuk membedakan satu sama lain. Berdasarkan hasil pengujian, ditunjukkan bahwa hasil pencocokkan daun kelengkeng dengan menggunakan neural network lebih baik dibandingkan dengan hasil pencocokkan daun kelengkeng dengan menggunakan probabilistic neural network. Akan tetapi ekstraksi fitur dengan menggunakan morfologi belum dapat memberikan informasi pembeda yang signifikan bagi pengenalan tanaman varitas kelengkeng berdasarkan daunnya.Keywords— klasifikasi, morfologi daun, neural network, probabilistic neural network

Perbandingan Algoritma K-Nearest Neighbor Untuk Klasifikasi Jenis Mangga Menggunakan Berdasarkan Fitur Gray Level Co-Occurrence Matric dan Fitur Warna

“…Agar dapat mengidentifikasi jenis tanaman dibutuhkan pengetahuan yang mencukupi/mendlam seperti halnya ciri-ciri atau karakteristik yang ada pada setiap jenis tanaman tersebut. Seperti klasifikasi varietas tanaman kelengkeng berdasarkan morfologi daun [4].…”

“…IDM (3) 4. Entropi (4) 5. Korelasi (5) COREAI Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi (2021) [3] Fitur warna dapat diperoleh melalui perhitungan statistis seperti rerata, deviasi standar, skewness, dan kurtosis:…”

Digital Image Based Identification of Rice Variety Using Image Processing and Neural Network

“…Perimeter of objects edges length obtained by calculating total pixel in the edges of rice grains. Physiological Length was the longest distance between two pixels in the edges of objects or known as diameter of objects [28]. Diameter could be calculated by "brute force" method with the algorithm shown in Figure 5 [21,29].…”

Classification of Longan Types Using The Back-Propagation Neural Network Algorithm Based on Leaf Morphology With Shape Characteristics

“…Research [8] also shows excellent accuracy of the use of GLCM, i.e., showing texture descriptions that are more effective in recognizing patterns on an object. Research [9] about the classification of longan fruits based on leaf morphology using the Back-Propagation Network method produced a fairly good accuracy, namely 46,154. This level of…”