ABSTRAK

Indonesia sudah dikenal sebagai negara yang kaya akan keanekaragaman hayatinya, sehingga Indonesia berpotensi untuk dijadikan objek sumber daya alam dunia. Ironisnya masih banyak masyarakat yang masih belum mengetahui potensi tumbuhan tersebut. Tugas akhir ini bertujuan untuk mengatasi permasalahan tersebut dengan merancang sebuah aplikasi pengenalan tumbuhan berdasarkan bentuk daunnya.

Input yang akan digunakan adalah citra pemotretan daun. Citra akan diekstraksi fiturnya (geometri, morfologi, dan warna) sehingga akan diperoleh data karakteristik daun. Data inilah yang akan digunakan sebagai data masukan pada jaringan saraf tiruan. Mesin pembelajaran yang digunakan pada penelitian ini adalah jaringan Probabilistic Neural Network (PNN), sebuah pengembangan jaringan saraf tiruan menggunakan pendekatan statistik Bayesian Classifier. PNN akan menggunakan lapisan radial basis untuk menghasilkan vektor peluang.Output yang dihasilkan dari aplikasi ini adalah prediksi nama tumbuhan yang berasal dari nilai terbesar pada vektor peluang spesies daun.

Berdasarkan hasil pengujian, didapatkan bahwa penggunaan fitur bentuk dan warna sudah cukup untuk dapat mengenal jenis spesies daun (dengan persentase akurasi yang mencapai angka 94%). Pengembangan untuk kedepan bisa menambahkan fitur daun yang baru (semisal tekstur daun) agar sistem pengenalan daun ini menjadi lebih akurat.


Kata Kunci: Sistem pengenalan daun, Jaringan Saraf Tiruan Probabilistik, ekstraksi fitur, Bayesian Classifier, radial basis