Latar Belakang ENDHULUN Saat ini kemampuan untuk dapat mengidentifikasi dan mengklasifikasi daun menadi kebutuhan yang besar bagi taksonomis dalam mengetahui keanekaragaman tanaman (Hickey et al 999). Identifikasi dapat dilakukan dengan mengenali ciri morfologi dan tekstur dari daun atau uga dengan gabungan keduanya. dikembangkan untuk menemukembalikan citra berdasarkan pada informasi citra yang terdiri atas warna, bentuk dan tekstur. CBIR terdiri atas beberapa proses utama antara lain praproses, ekstraksi cir pengindeksan, dan penemuan kembali citra. Wu et al (007) melakukan ekstraksi ciri morfologi pada citra helai daun. Tahap awal adalah mendapatkan lima ciri dasar dari citra helai daun, kemudian kombinasi dari kelima ciri tersebut menghasilkan dua belas ciri turunan. ebuardi (008) menggunakan Bayesian Network dalam pengukuran kemiripan citra dengan menggabungkan informasi warna, bentuk, dan tekstur dari suatu citra. Kemudian nnisa (009) mengimplementasikan pendekatan ekstraksi ciri morfologi untuk mendapatkan ciri dasar yaitu diameter, leaf area dan leaf perimeter. Setelah itu diperoleh ciri turunan berupa smooth factor, form factor, dan perimeter ratio of diameter. Untuk ciri tekstur diperoleh energy, inverse difference moment, entropy, maximum probability, contrast, correlation, dan homogeneity. Secara fisik, bentuk daun dapat dibedakan dengan melihat ciri morfologi yang ada pada setiap helai daun. enelitian ini dilakukan untuk melengkapi ciri morfologi daun yang sebelumnya dilakukan oleh nnisa (009). Oleh karena itu, berdasarkan penelitian sebelumnya diharapkan dengan tambahan physiological length dan physiological width akan didapatkan hasil yang baik untuk temu kembali citra helai daun. Tuuan enelitian Tuuan dari penelitian ini adalah mengevaluasi hasil temu kembali citra dengan menggunakan penciri morfologi (physiological length dan physiological width), tekstur, dan gabungan keduanya dengan model Bayesian Network untuk temu kembali citra helai daun. Ruang Lingkup Data diperoleh dari hasil penelitian nnisa (009) yang diambil dengan menggunakan kamera digital. Obek adalah citra helai daun tunggal yang berasal dari sebelas pohon buah yang ada di sekitar kampus IB Darmaga, yaitu daun alpukat, bisbul, cokelat, durian, amblang, ambu bi ambu bol, kepel, manggis, menteng, dan nangka. enelitian ini difokuskan pada tahap ekstraksi ciri morfologi dasar yaitu physiological length dan physiological width beserta dengan turunannya yaitu, aspect ratio, rectangularity, narrow factor, dan perimeter ratio of physiological length and physiological width. TINJUN USTK merupakan suatu pendekatan untuk masalah temu kembali citra yang didasarkan pada informasi yang terkandung di dalam citra itu sendiri seperti warna, bentuk, dan tekstur dari citra (Rodrigues & rauo 004). CBIR terdiri atas beberapa tahap yaitu praproses, ekstraksi cir pengindeksan dan penemuan kembali citra. Gambar menunukkan diagram CBIR. enemuan Kembali Citra (on-line) Citra Kueri Ekstraksi Fitur encarian Indeks engukuran Kemiripan Gambar Diagram CBIR. Ekstraksi Ciri Citra Basis Data Ekstraksi Fitur engindeksan Indeks Basis Data engindeksan (off-line) Ekstraksi ciri adalah proses mengambil ciriciri yang terdapat pada citra. ada proses ini obek di dalam citra mungkin perlu dideteksi seluruh tepinya, lalu dihitung properti-properti obek yang berkaitan sebagai ciri. Beberapa proses ekstraksi ciri mungkin perlu mengubah citra masukan sebagai citra biner, melakukan penipisan pola dan sebagainya.
Ekstraksi ciri diklasifikasikan ke dalam tiga tingkat yaitu low-level, middle-level dan highlevel. Low-level feature merupakan ekstraksi ciri berdasarkan isi visual seperti warna dan tekstur, middle-level feature merupakan ekstraksi tiap obek dalam citra dan mencari hubungannya, sedangkan high-level feature merupakan ekstraksi ciri berdasarkan informasi semantik yang terkandung dalam citra (Osadebey 006). Ekstraksi ciri morfologi merupakan salah satu bagian dari CBIR untuk informasi morfologi pada citra. roses ini bisa dilakukan dengan pendekatan ekstraksi ciri dasar dan turunan dari morfologi citra helai daun. Menurut Vailaya (996), empat pendekatan yang digunakan dalam menganalisis tekstur adalah analisis statistik, geometrik, berbasis model dan pemrosesan sinyal. endekatan secara statistik dilakukan dengan mengukur karakteristik tekstur seperti kehalusan dan keteraturan. endekatan secara geometrik adalah mengorganisasikan komponen citra primitif (titik, garis, lingkaran) untuk mendapatkan adanya kemungkinan hubungan struktural. Sementara, pendekatan berbasis model mengasumsikan model citra dasar untuk mendeskripsikan dan menyintesis tekstur. endekatan pemrosesan sinyal menggunakan analisis frekuensi dari citra untuk menggolongkan tekstur. Salah satu bagian dari CBIR untuk mendapatkan informasi tekstur pada citra adalah ekstraksi ciri tekstur. roses ini bisa dilakukan dengan pendekatan secara statistik yaitu co-occurrence matrix. Ekstraksi Ciri Morfologi Wu et al (007) telah mendeskripsikan ciri morfologi daun yang dapat diekstrak dari citra helai daun. Ciri tersebut dibedakan menadi dua, yaitu ciri dasar dan ciri turunan. Ciri dasar citra helai daun ada lima, yaitu: Diameter ( D ), yang didefinisikan sebagai arak terpanang antara dua titik pada tepi daun. anang diameter bisa sama atau berbeda dengan panang tulang daun primer (physiological length). Ilustrasinya dapat dilihat pada Gambar. Gambar Diameter helai daun. hysiological length (L p ) adalah arak antara uung dan pangkal daun (panang tulang daun primer). 3 hysiological width (W p ) adalah arak terpanang dari garis yang memotong tegak lurus physiological length yang dibatasi tepi daun. Hubungan keduanya dapat dilihat pada Gambar 3. Gambar 3 Hubungan antara physiological length dan physiological width. 4 Leaf area ( ) adalah perhitungan umlah piksel dari daerah yang dilingkupi tepi daun pada citra yang telah dihaluskan. Ilustrasinya dapat dilihat pada Gambar 4. Gambar 4 Leaf area. 5 Leaf perimeter ( ) adalah perhitungan umlah piksel yang terdapat pada tepi daun (keliling). Ilustrasinya dapat dilihat pada Gambar 5.
Gambar 5 Leaf perimeter. Ciri turunan daun ada dua belas, yaitu: Smooth factor adalah rasio antara area citra helai daun yang dihaluskan dengan 5x5 rectangular averaging filter dan area citra helai daun yang dihaluskan dengan x rectangular averaging filter. Ciri ini untuk mengukur keteraturan tepi daun. Semakin teratur tepi daun, nilainya semakin mendekati. Sebaliknya, semakin tidak teratur tepi daun, nilainya semakin mendekati 0. spect ratio adalah rasio antara physiological length dan physiological width. ersamaannya dapat dilihat pada ersamaan. L p W p () Ciri ini untuk memperkirakan bentuk helai daun. Jika bernilai kurang dari maka bentuk helai daun tersebut melebar. Jika bernilai lebih dari maka bentuk helai daun tersebut memanang. Ilustrasinya dapat dilihat pada Gambar 6. L p W p (3) 5 Narrow factor adalah rasio antara diameter dan physiological length. Ciri ini untuk menentukan apakah bentuk helai daun tersebut tergolong simetri atau asimetri. Jika helai daun tersebut tergolong simetri maka bernilai, ika asimetri maka bernilai lebih dari. Nilainya dapat dicari menggunakan ersamaan 4. D L p (4) 6 erimeter ratio of diameter. Ciri ini untuk mengukur seberapa lonong daun tersebut. ersamaannya dapat dilihat pada ersamaan 5. D (5) 7 erimeter ratio of physiological length and physiological width. Rumusnya diberikan pada ersamaan 6. ( L p Wp ) (6) 8 Vein features. ersamaannya dapat dilihat pada ersamaan 7, 8,9,0, dan. a. Rasio antara area helai daun yang telah dikurangi dengan radius satu piksel dan area v (7) b. Rasio antara area helai daun yang telah dikurangi dengan radius dua piksel dan area Gambar 6 spect ratio. 3 Form factor, digunakan untuk mendeskripsikan perbedaan antara daun dan lingkaran Ciri ini untuk mengukur seberapa bundar bentuk helai daun tersebut. Nilai form factor dapat dilihat pada ersamaan. 4 () 4 Rectangularity, mendeskripsikan kemiripan antara daun dan empat persegi panang. Rumusnya diberikan pada ersamaan 3. v (8) c. Rasio antara area helai daun yang telah dikurangi dengan radius tiga piksel dan area v3 (9) d. Rasio antara area helai daun yang telah dikurangi dengan radius empat piksel dan area v4 (0) 3
e. Rasio antara area helai daun yang telah dikurangi dengan radius empat piksel dan area helai daun yang telah dikurangi dengan radius satu piksel. Co-occurrence Matrix v4 v () Menurut Osadebey (006), co-occurrence matrix menggunakan matriks deraat keabuan adalah untuk mengambil contoh secara statistik bagaimana suatu deraat keabuan tertentu teradi dalam hubungannya dengan deraat keabuan yang lain. Matriks deraat keabuan adalah suatu matriks yang elemen-elemennya mengukur frekuensi relatif keadian bersama dari kombinasi level keabuan antar pasangan piksel dengan hubungan spasial tertentu. Misal diketahui sebuah citra Q(, p( merupakan posisi dari operator, dan adalah sebuah matriks NxN. Elemen ( menyatakan umlah titik tersebut teradi dengan grey level (intensitas) g(i) terad pada posisi tertentu menggunakan operator p, relatif terhadap titik dengan intensitas g(. Matriks merupakan co-occurrence matrix yang didefinisikan oleh p. Operator p didefinisikan dengan sebuah sudut θ dan arak d. Berdasarkan matriks dapat dihitung nilai-nilai ciri tekstur. Ilustrasinya dapat dilihat pada Gambar 7. Gambar 7 Representasi co-occurrence matrix. Berikut adalah beberapa formula yang digunakan dalam penghitungan ciri tekstur. a. Energy, mengukur tingkat keseragaman tekstur. Energi mencapai nilai tertinggi saat persebaran level keabuan konstan atau bersifat periodik. Rumusnya diberikan pada ersamaan. E ( () b. Inverse Difference Moment mencapai nilai tertinggi saat banyak keadian bersama dalam matriks terkonsentrasi dekat diagonal utama. Formulanya dapat dilihat pada ersamaan 3. ( IDM i (3) c. Entropy, mengukur tingkat keacakan piksel. Entropi mencapai nilai tertinggi ika semua elemen dalam matriks sama. Nilai entropy dapat dicari menggunakan ersamaan 4. E ( log ( (4) d. Maximum probability, menyatakan nilai frekuensi kemunculan bersama terbesar. Semakin tinggi nilainya, semakin teratur teksturnya. Rumusnya diberikan pada ersamaan 5. M max ( ) (5) i e. Contrast, menyatakan umlah variasi lokal yang terdapat dalam sebuah citra. tau dengan kata lain menyatakan tingkat kekontrasan citra. Formulanya dapat dilihat pada ersamaan 6. C i ( (6) f. Correlation, menyatakan hubungan ketetanggaan antarpiksel. Rumus yang digunakan dapat dilihat pada ersamaan 7. ( )( ) ( i C (7) i g. Homogeneity, menyatakan tingkat kehomogenan piksel. Nilainya dapat dicari menggunakan ersamaan 8. ( H (8) i Evaluasi Hasil Temu Kembali Informasi Tahap evaluasi temu kembali citra dilakukan untuk menilai tingkat keberhasilan dalam proses temu kembali citra terhadap seumlah koleksi penguian. ada tahap evaluasi dilakukan penilaian kinera sistem dengan melakukan pengukuran recall dan precision dari proses temu kembali berdasarkan penilaian relevansinya. Recall dan recision Recall dan precision merupakan parameter yang digunakan untuk mengukur keefektifan dari hasil temu kembali. Recall menyatakan proporsi yang ditemukembalikan terhadap 4
seluruh materi relevan pada basis data (korpus). recision menyatakan proporsi materi relevan yang ditemukembalikan (Baeza-Yates dan Ribeiro- Neto 999). Recall dan precision diformulasikan sebagai berikut: recall (9) precision (0) dengan Ra adalah citra relevan yang ditemukembalikan. R adalah umlah citra relevan yang ada pada basis data. adalah umlah seluruh citra yang ditemu kembalikan. Rataan precision merupakan suatu ukuran evaluasi yang diperoleh dengan menghitung rata-rata tingkat precision pada berbagai tingkat recall (Baeza-Yates dan Ribeiro-Neto 999). Ui Levene dan Ui-t Ui Levene adalah salah satu teknik dari ui statistika yang digunakan untuk menentukan apakah ada hubungan yang teradi pada suatu data dengan melihat nilai ragamnya (Imam 00). Tahapan yang dilakukan yaitu:. Diui apakah ragam kedua data sama atau tidak.. Lalu dengan ui t, diambil suatu keputusan. METODE ENELITIN enelitian ini akan dikerakan dalam beberapa tahap, yaitu praproses, ekstraksi cir pengindeksan dan penemuan citra kembali. Tahapan secara lengkapnya dapat dilihat pada Gambar 8. Tahap awal praproses yaitu mengubah citra RGB menadi citra grayscale. Untuk ekstraksi ciri morfolog citra grayscale dikonversi lagi menadi citra biner. Kemudian noise citra dihilangkan. Ekstraksi Ciri Ekstraksi ciri dapat diklasifikasikan menadi dua bagian yaitu ciri morfologi dan ciri tekstur. a. Ciri Morfologi Tahap selanutnya ialah mencari ciri morfologi dasar yaitu Lp dan Wp, nilai Lp dihitung dengan menggunakan metode euclidean distance, sedangkan untuk mendapatkan nilai Wp ialah dengan mencari garis terpanang yang tegak lurus dengan Lp. Kemudian nilai Lp dan Wp digabung dengan ciri morfologi dasar dari hasil penelitian nnisa (009) yaitu diameter, leaf area dan leaf perimeter. ada akhirnya didapatkan ciri turunan citra helai daun yaitu aspect ratio, rectangularity, narrow factor, dan perimeter ratio of physiological length and physiological width. engindeksan Basis data citra Ekstraksi ciri Indeks citra basis data Gambar 8 Metode penelitian. b. Ciri Tekstur Langkah awal yang dilakukan untuk mendapatkan informasi tekstur dari sebuah matriks adalah menentukan co-occurrence matrix yang dihitung dalam empat arah 0 o, 45 o 90 o, dan 35 o. Jad setiap citra akan dihasilkan empat co-occurrence matrix. Setelah itu, nilai energy, moment, entropy, maximum probability, contrast, correlation, dan homogenity dihitung untuk setiap co-occurrence matrix, sehingga setiap fitur akan diperoleh empat nilai masing masing untuk arah 0 o, 45 o, 90 o, dan 35 o. Nilai dari setiap fitur diperoleh dengan menghitung rata-rata keempat nilai fitur yang bersangkutan. Informasi tersebut kemudian direpresentasikan dengan sebuah vektor yang memilki tuuh elemen dan nilai akhir dari informasi tekstur diperoleh dengan melakukan normalisasi terhadap vektor masing-masing citra. engukuran Kemiripan enemuan kembali citra Citra kueri Ekstraksi ciri engukuran kemiripan Hasil temu kembali Evaluasi hasil temu kembali engukuran kemiripan antara citra kueri dan citra yang ada dalam basis data dilakukan 5