ANALISIS TEKSTUR UNTUK IDENTIFIKASI TUMBUHAN OBAT MENGGUNAKAN KLASIFIKASI SUPPORT VECTOR MACHINE

Abstract

tertentu. Identifikasi dapat dilakukan dengan bantuan herbarium/ahli botani atau text book mengenai taksonomi/dendrologi, namun cara tersebut tidak efisien. Oleh karena itu dibutuhkan suatu metode dengan otomatis dapat mengidentifikasi daun tumbuhan obat. Teknologi computer vision dapat digunakan untuk mengenali spesies daun tumbuhan obat menggunakan citra digital. Teknik yang digunakan yaitu GLCM, LBPV dan entropi. Objek yang digunakan adalah citra digital yang telah difokuskan pada daun tumbuhan obat. Hasil akurasi yang dicapai pada fitur GLCM dan LBPV, memiliki empat kelas yang akurasinya mencapai 100% yaitu kelas 1, 2, 6, dan 18 dan ada satu kelas yang akurasinya 35,7% yaitu kelas 14. Hasil penggabungan ini terbukti lebih baik dari hasil klasifikasi fitur GLCM dan LBPV secara terpisah. penggabungan fitur ekstraksi ciri ini dapat membantu meningkatkan akurasi secara keseluruhan. Akurasi rata-rata semula untuk Entropi (7,14%), GLCM (41,27%), dan LBPV (68,65 %), mengalami peningkatan menjadi GLCM+LBPV (80,56%) dan GLCM+LBPV+Entropi (82,41 %).