Articles

Found 16 Documents
Search

A Computer Aided System for Tropical Leaf Medicinal Plant Identification

International Journal on Advanced Science, Engineering and Information Technology Vol 3, No 1 (2013)
Publisher : International Journal on Advanced Science, Engineering and Information Technology

Show Abstract | Original Source | Check in Google Scholar | Full PDF (475.102 KB)

Abstract

The objective of this paper is to develop a computer aided system for leaf medicinal plant identification using ProbabilisticNeural Network. In Indonesia only 20-22% of medicinal plants have been cultivated. Generally, identification process of medicinalplants has been done manually by a herbarium taxonomist using guidebook of taxonomy/dendrology. This system is designed to helptaxonomist to identify leaf medicinal plant automatically using acomputer-aided system. This system uses three features of leaf toidentify the medicinal plant, i.e., morphology, shape, and texture. Leaf is used in this system for identification because easily to find.To classify medicinal plant we used Probabilistic Neural Network. The features will be combined using Product Decision Rule (PDR).The system was tested on 30 species medicinal plant from Garden of Biopharmaca Research Center and Greenhouse Center of Exsitu Conservation of Medicinal Indonesian Tropical Forest Plants, Faculty of Forestry, Bogor Agriculture University, Indonesia.Experiment results showed that the accuracy of medicinal plant identification using combination of leaf features increase until74,67%.The comparative analysis of leaf features has been performed statistically. It showed that shape is a dominant features for plant identification. This system is very promising to help people identify medicinal plant automatically and for conservation and utilization of medicinal plants.

Document Additional Evaluation in Information Retrieval System

Jurnal Ilmiah Ilmu Komputer Vol 3, No 2 (2005): Jurnal Ilmiah Ilmu Komputer
Publisher : Jurnal Ilmiah Ilmu Komputer

Show Abstract | Original Source | Check in Google Scholar

Abstract

Saat ini pengguna cenderung menyukai pencarian berdasarkan makna. Hal ini disebabkan oleh adanya masalah sinonim dan polisemi dalam pemilihan penggunaan kata. Salah satu teknik yang mencoba mengatasi masalah tersebut Latent Semantic Indexing (LSI). Dalam pengaplikasiannya, LSI dapat menggunakan Singular Value Decomposition untuk mengestimasi struktur penggunaan kata dalam dokumen. Cara yang paling tepat untuk menambahkan dokumen atau istilah adalah melalui penghitungan ulang SVD (recomputing SVD). Namun hal ini menjadi kendala karena dibutuhkannya memory yang cukup besar dan waktu yang semakin lama untuk menghitung ulang matriks istilah-dokumen yang semakin besar. Cara lain yang dapat digunakan untuk mengatasi kendala tesebut adalah dengan menggunakan teknik folding-in. Tujuan penelitian ini adalah untuk melihat pengaruh penambahan dokumen terhadap hubungan tersembunyi antara semua istilah yang secara kontekstual berdekatan artinya dengan menggunakan teknik folding-in. Tercakup didalamnya proses pembentukan matriks istilah-dokumen dengan menggunakan parsing, penghilangan stop list, serta stemming. Pembobotan istilah untuk dokumen menggunakan skema pembobotan lxn, sedangkan pembobotan istilah untuk kueri menggunakan skema pembobotan cfx. Pengujian menggunakan 150 dokumen untuk membangkitkan matriks istilah-dokumen asal dan 110 dokumen untuk evaluasi penambahan dokumen. Pengukuran kinerja temu kembali dilakukan dengan menggunakan average precision untuk mengetahui rank optimal terhadap sepuluh kueri. Ternyata pada penelitian ini dengan pemilihan rank yang kecil akan memberikan hasil dengan tingkat akurasi yang cukup tinggi dengan tertanganinya masalah sinonim. Penambahan dokumen dengan folding-in memberikan hasil yang memuaskan. Melalui penambahan 110 dokumen ke dalam koleksi sebagian besar nilai recall bisa dipertahankan apabila menggunakan rank yang kecil, meskipun terdapat distorsi seiring dengan penambahan dokumen. Kata Kunci : Temu Kembali Informasi, Folding-in, Latent Semantic, Indexing, Singular Value Decomposition

Perbandingan Metode Jarak Garis Wajah dan Tingkat Keabuan Wajah pada Pengenalan Wajah 3D

Jurnal Ilmiah Ilmu Komputer Vol 3, No 1 (2005): Jurnal Ilmiah Ilmu Komputer
Publisher : Jurnal Ilmiah Ilmu Komputer

Show Abstract | Original Source | Check in Google Scholar

Abstract

Perbandingan Metode Jarak Garis Wajah dan Tingkat Keabuan Wajah pada Pengenalan Wajah 3D

Klasifikasi Citra Menggunakan Metode Minor Component Analysis pada Sistem Temu Kembali Citra

Jurnal Ilmiah Ilmu Komputer Vol 8, No 2 (2010): Jurnal Ilmiah Ilmu Komputer
Publisher : Jurnal Ilmiah Ilmu Komputer

Show Abstract | Original Source | Check in Google Scholar | Full PDF (345.565 KB)

Abstract

This paper presents a method for image classification. In content-based image retrieval (CBIR) system, retrieving process is done by comparing a query image to all images from image database. This process is not effective because spends much times besides the retrieved images are not always match with the query image particularly for large databases. To solve this problem, image classification is proposed. In this research, minor component analysis (MCA) is used for images classification. For each image, a feature vector describing color, shape and texture. MCA vector will be formed as a representative pattern for each images class. In classification process, image database divided for image training and testing. Train data used to build classification model while test data used for test the accuracy of classification model. From this research it can be concluded that usage of MCA can improve the accuracy about 33.20%. This improvement shows that MCA can be applied in CBIR system, especially for large images database.

Sistem Pakar Diagnosa Penyakit Udang Windu (Penaeus Monodon) Menggunakan Logika Fuzzy

Jurnal Ilmiah Ilmu Komputer Vol 8, No 1 (2010): Jurnal Ilmiah Ilmu Komputer
Publisher : Jurnal Ilmiah Ilmu Komputer

Show Abstract | Original Source | Check in Google Scholar | Full PDF (122.448 KB)

Abstract

Abstrak-Udang windu (Penaeus monodon) merupakan salah satu jenis udang yang sangat menarik dan menguntungkan untuk dipelihara. Kendala terbesar dari pemeliharaan udang windu ini adalah penyakit yang sering menyerang udang dengan masa inkubasi yang cukup pendek sehingga dapat sangat merugikan petani karena bisa mengakibatkan kematian masal. Saat ini diagnosa penyakit udang windu dilakukan dengan cara mikroskopis dan gejala klinis. Diagnosa mikroskopis jika menggunakan cara konvensional (laboratorium) membutuhkan waktu yang lama. Sedangkan menggunakan cara modern yaitu PCR (polimer chain reaction) cepat tetapi memerlukan  biaya yang mahal. Diagnosa melalui gejala klinis memerlukan keahlian dari seorang pakar. Sistem pakar yang dibangun dalam penelitian ini mengadopsi kemampuan seorang pakar dalam mendiagnosa penyakit udang windu melalui gejala  klinis. Output dari sistem yang dibangun diharapkan dapat membantu petani untuk mendiagnosa penyakit udang windu secara cepat dan tepat, sehingga penyakit udang windu dapat didiagnosa sedini mungkin sebelum menimbulkan kerugian yang besar. Input yang dibutuhkan oleh sistem ini adalah bobot, umur, keadaan lingkungan air tambak, perilaku udang. Data lainnya adalah pemeriksaan general per bagian tubuh udang yang dilanjutkan dengan  pemeriksaan detail kelainan pada bagian tertentu tubuh udang. Untuk pendeteksian jenis penyakit dilakukan dengan teknik pelacakan ke belakang (backward chainning). Logika fuzzy digunakan untuk mendeteksi tingkat keparahan penyakit udang windu karena dinilai sangat tepat untuk mengadopsi kemampuan pakar dalam hal ini ke dalam sistem pakar yang dibangun. Logika fuzzy yang digunakan adalah metode Mamdani dengan metode defuzifikasi Centroid. Sistem pakar dilengkapi dengan fasilitas penjelasan mengenai identitas udang, status kelayakan lingkungan, jenis penyakit, informasi penyakit, tingkat keparahan penyakit dan langkah apa yang harus dilakukan untuk menangani udang yang terserang penyakit dengan tingkat keparahan tertentu. Dari hasil uji coba yang telah dilakukan didapatkan akurasi 95% untuk diagnosa jenis penyakit sedangkan untuk tingkat keparahan penyakit akurasinya 85%.

Metode Pengindeksan Geometric Hashing untuk Content Based Image Retrieval

Jurnal Ilmiah Ilmu Komputer Vol 5, No 2 (2007): Jurnal Ilmiah Ilmu Komputer
Publisher : Jurnal Ilmiah Ilmu Komputer

Show Abstract | Original Source | Check in Google Scholar

Abstract

This research proposes implementation and evaluation of geometric hashing for content based image retrieval as indexing method. Content based image retrieval (CBIR) is the application of computer vision to the image retrieval problem, that is, the problem of searching for digital images in databases. Content based image retrieval, uses the visual content of an image such as color, shape and texture to represent and index the image. The goal of most computer vision research is system should be able to recognize object in an image that are partially occluded or have undergone geometric transformations. Geometric hashing is an indexing method that recognized objects will invariant to geometric transformation (such as translation, rotation, and scaling). This research uses interest points to indicate the local features of an image and represent the shape of object in image. Thus, small region around interest points are selected as image patch for measure the color properties as feature vector. This research uses shape and color as visual features. To evaluate, this research uses recall, precision and computational time. Recall and precision to evaluate the retrieval result. While indexing evaluated by computational time. Recall is the fraction of the relevant documents which has been retrieved. Precision is the fraction of the retrieved documents which is relevant. Computational time for indexing is the average time needed for indexing process both in query process and database process. The precision for geometric hashing method is 64%. Thus, the recall is 76%. At query process, average time needed for indexing is 22,44 second. But at database process, the average time needed is 20,71 second. Thus, average time needed for retrieve the query image based on geometric hashing is 26 second. Experimental result shows that geometric hashing is useful to retrieve images that object undergone geometric transformation. Keywords: Content Based Image Retrieval, gometric hashing, indexing method.

Sistem Pakar Diagnosa Penyakit pada Ayam (SPDPPA)

Jurnal Ilmiah Ilmu Komputer Vol 5, No 1 (2007): Jurnal Ilmiah Ilmu Komputer
Publisher : Jurnal Ilmiah Ilmu Komputer

Show Abstract | Original Source | Check in Google Scholar

Abstract

Penelitian ini mendiskusikan mekanisme pendiagnosaan penyakit ayam yang dikembangkan dan diimplementasikan dalam suatu sistem pakar. Sistem pakar ini dinamakan Sistem Pakar Diagnosa Penyakit Pada Ayam (SPDPPA). Jenis penyakit yang dapat didiagnosa SPDPPA, yaitu Avian Influenza (AI), Newcastle Disease (ND) dan Infectious Laryngotracheitis (ILT). SPDPPA menggunakan fuzzy inference system (FIS) untuk memproses gejala klinis berupa data fuzzy, sedangkan gejala data non-fuzzy diproses dengan kaidah produksi atau aturan if–then. Keluaran dari SPDPPA adalah hasil identifikasi bahwa ayam terserang penyakit dengan tingkat kepercayaan tertentu. Berdasar verifikasi, hasil pengujian menunjukkan bahwa ayam yang terdiagnosa sementara mendukung ND, warna pialnya merah dengan suhu tubuh 430C–450C dan angka kematian 30 sampai 50 persen. Adapun untuk mendapatkan diagnosa sementara sangat mendukung ND, warna pialnya merah dengan suhu 430C–450C dan tingkat kematian 30–60 persen. Gejala non-fuzzy yang bersifat khas bagi penyakit ND adalah eksudat yang kental bening, kepala ayam yang berputar dan tinja yang berwarna hijau. Ayam yang terdiagnosa mendukung AI warna pialnya semakin memucat dengan suhu dan angka mati seperti pada penyakit ND. Di sisi lain, untuk mendiagnosa AI dengan tingkat sangat mendukung, kondisi warna pial sudah semakin membiru. Eksudat yang encer bening, perdarahan bawah kulit merupakan gejala non-fuzzy yang khas terlihat ketika ayam terkena Avian Influenza (AI). Pada pemeriksaan di lapangan baik gejala fuzzy maupun non-fuzzy dilakukan secara bersama-sama.

Pemanfaatan Teknologi Tepat Guna Identifikasi Tumbuhan Obat Berbasis Citra

Jurnal Ilmu Pertanian Indonesia Vol 18, No 2 (2013): Jurnal Ilmu Pertanian Indonesia
Publisher : Institut Pertanian Bogor

Show Abstract | Original Source | Check in Google Scholar | Full PDF (575.323 KB)

Abstract

Indonesia is a mega biodiversity country including many kind medicinal plants. It is not easy to identify the various kinds of the medicinal plants especially for common people. Therefore, we need a computer-based automatic system as a tool to identify these various types of the medicinal plants. Developing of computer-based automatic system for medicinal plant identification has been done based on leaf image. There are 30 species of medicinal plants used in this study. There are 3 features for identification, i.e. morphology, texture, and shape. To improve the accuracy of identification we applied probabilistic neural network to classify the species of medicinal plant. The experiment results showed that the accuracy of identification increase to 74.67%. Developing of search engine has been done as well. We used 32 species of medicinal plant. The number of document was 132 documents. The document consists of name, family, description, diseases, and chemical substances. To improve the accuracy of searching, we applied KNN Fuzzy to classify document into 2 categories, i.e., family and diseases. The experiment results showed that the accuracy of average of precision is 96% for only word of length query and 89% for two words of length query. The system is very beneficial for people in society because it can be used to identify medicinal plants easily and the relevant communitis become independent in maintaining family health and giving opportunities as well as income of the people. Hence, the system is promising for leaf identification and supporting plant biodiversity in Indonesia. Keywords: leaf identification, leaf morphology, leaf shape, medicinal plants, probabilistic neural network, product decision rule

Estimated Spectral Reflectances of Jati Belanda Leaf Using Fourier Transformation

TELKOMNIKA Indonesian Journal of Electrical Engineering Vol 12, No 9: September 2014
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Original Source | Check in Google Scholar | Full PDF (378.379 KB)

Abstract

This research proposes new method to estimate spectral reflectances of Jati Belanda (Guazuma ulmifolia) leaf based on digital image color. Jati Belanda is a medicinal plant containing antioxidant compounds. Spectral reflectances can be used to estimate chemical compounds but the tools to obtain spectral reflectances is very expensive. To estimate the Jati Belanda leaf reflectance values based on digital image color, we used Fourier Transformation. The estimated spectral reflectances is evaluated using root mean square error (RMSE) and goodness-of-fit coefficient (GFC). According to the experiment, dataset used is 276 leaves of medicinal plants and the best polynomial transformation is 3rd order with RMSE value 4,83 and GFC value 0.96. The future work could estimate the amount of chemical compounds in Jati Belanda Leaf using estimated spectral reflectances. Estimated spectral reflectances is  an important part of estimated the amount of chemical compounds.

Optimasi K-Means Clustering Menggunakan Particle Swarm Optimization pada Sistem Identifikasi Tumbuhan Obat Berbasis Citra

Jurnal Ilmu Komputer dan Agri-Informatika Vol 3, No 1 (2014)
Publisher : Departemen Ilmu Komputer IPB

Show Abstract | Original Source | Check in Google Scholar

Abstract

Teknologi identifikasi pada penelitian ini diperlukan untuk mempercepat proses identifikasi spesies tumbuhan obat berupa data citra digital. Penelitian ini membangun sistem identifikasi tumbuhan obat menggunakan teknik clustering. Teknik clustering digunakan untuk mengelompokkan data citra sesuai dengan spesies tumbuhan obat. Penelitian ini bertujuan melakukan optimasi k-means clustering menggunakan metode particle swarm optimization (PSO). Metode PSO digunakan untuk mengatasi kelemahan pada metode clustering tradisional yaitu pemilihan pusat cluster awal dan solusi lokal. Proses ekstraksi fitur menggunakan fuzzy local binary pattern (FLBP) untuk merepresentasikan tekstur dari citra. Implementasi program menggunakan bahasa pemrograman C++. Analisis clustering dilakukan untuk 30 spesies tumbuhan obat yang ada di Indonesia dengan jumlah 48 citra masing-masing spesies. Pengukuran kualitas clustering menggunakan nilai quantization error dan akurasi. Hasil yang diperoleh menunjukkan metode PSO mampu meningkatkan kinerja dari metode k-means clustering dalam proses identifikasi tumbuhan obat.Kata kunci: fuzzy local binary pattern, k-means clustering, particle swarm optimization, tumbuhan obat