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

ABSTRAK - 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

PENDAHULUAN - Indonesia merupakan negara dengan tingkat keanekaragaman hayati yang tinggi.

Groombridge dan Jenkins (2002) mencatat bahwa terdapat 22 500 spesies tumbuhan obat di

Indonesia. Jumlah spesies yang telah dimanfaatkan sebagai tumbuhan obat sebanyak 1000 spesies. Hal ini menunjukkan bahwa jumlah persentase tumbuhan obat yang telah dimanfaatkan hanya sebesar 4.4% dari sumber daya tumbuhan obat yang tersedia. Salah satupenyebab kurangnya pemanfaatan tumbuhan obat adalah minimnya pengetahuan masyarakat mengenai potensi tumbuhan obat. Peningkatan pengetahuan masyarakat tentang tumbuhan obat dapat dibantu dengan dikembangkannya sistem identifikasi tumbuhan obat. Teknologi identifikasi secara otomatis diperlukan untuk mempercepat prosesidentifikasi dengan menggunakan organ vegetatif seperti daun. Sistem identifikasi terdiri atas dua teknik, yaitu teknik klasifikasi dan teknik clustering. Adapun penelitian menggunakan teknik klasifikasi yang sudah dilakukan, salah satunya pada penelitian Herdiyeni dan Wahyuni (2012) yang menggunakan metode ekstraksi fitur fuzzy local binary pattern (FLBP) dan metode klasifikasi probabilistic neural network (PNN) untuk identifikasi tumbuhan obat.

Dengan menggunakan teknik klasifikasi banyak data tumbuhan obat yang belum teridentifikasi sehingga teknik unsupervised learning, yakni clustering, diusulkan untuk membandingkan hasil identifikasi tumbuhan obat dengan teknik klasifikasi.