Klasifikasi Daun Herbal Menggunakan Ekstraksi Fitur Gray Level Co-occurrence Matrix (GLCM) dan Local Binary Pattern Histogram (LBPH)

Abstract

Daun herbal merupakan bagian dari tanaman yang dimanfaatkan untuk mengobati atau sebagai pencegah penyakit yang mempengaruhi kesehatan manusia. Indonesia memiliki kurang lebih 15.000 jenis tumbuhan herbal namun kurang lebih 7.000 spesies saja yang digunakan. Banyak yang belum mengetahui jenis dan bentuk dari daun herbal. Untuk mempelajari tentang daun herbal peneliti menerapkan Computer Vision dengan menggunakan metode Gray Level Co occurrence Matrix (GLCM) dan Local Binary Pattern Histogram (LBPH) untuk mengklasifikasikan jenis daun herbal. Jumlah total dataset yang digunakan 952 citra yang terdiri dari 320 citra daun katuk, 320 citra daun kelor dan 312 citra daun saga, dataset didapatkan dari penyedia dataset public yaitu Kaggle. Sebelum dataset di ekstraksi dataset akan dilakukan pra-pemrosesan dengan augmentasi data menggunakan thresholding, grayscale, dan cropping. Setelah dilakukan proses augmentasi maka data akan di ekstraksi menggunakan Gray Level Co occurrence Matrix (GLCM) dan Local Binary Pattern Histogram (LBPH). Pengujian citra dilakukan dengan membagi skenario uji data test dan train menjadi tiga yaitu 70:30, 80:20, dan 90:10. Pada penelitian ini dilihat dari nilai pada classification report model yang memiliki performa paling optimal pada pengujian model yaitu pada penggunaan metode Local Binary Patterns Histogram (LBPH) dengan nilai rata-rata accuracy 92,33%, nilai rata-rata precision 97%, nilai rata-rata recall 98,33%, dan nilai rata-rata F1-score 92,67%.