SISTEM KLASIFIKASI JENIS DAUN BERDASARKAN TEKSTUR MENGGUNAKAN ALGORITMA TRANSFORMASI HAAR WAVELET DAN MACHINE LEARNING

TANAMAN MERUPAKAN SUMBER DAYA ALAM YANG BERMANFAAT BAGI MANUSIA SEBAGAI SUMBER PANGAN DAN OBAT. SALAH SATU BAGIAN TANAMAN YANG DIMANFAATKAN SEBAGAI OBAT ADALAH DAUNNYA. MASYARAKAT INDONESIA KERAP MEMANFAATKAN DAUN SEBAGAI OBAT DARI BERBAGAI MACAM PENYAKIT. TERBUKTI DARI BANYAKNYA PENGOBATAN TRADISIONAL YANG TIDAK JARANG MEMANFAATKAN DAUN. JENIS DAUN YANG BERAGAM MEMILIKI MANFAAT YANG BERAGAM. TIDAK SEDIKIT DAUN YANG MEMILIKI KEMIRIPAN BENTUK MESKIPUN MANFAATNYA BERBEDA-BEDA. KEMIRIPAN BENTUK PADA DAUN MEMBUAT MATA MANUSIA KESULITAN UNTUK MEMBEDAKANNYA. PERKEMBANGAN TEKNOLOGI DAPAT DIMANFAATKAN UNTUK MENGKLASIFIKASI JENIS DAUN. SALAH SATU CARA UNTUK MENGKLASIFIKASI JENIS DAUN DAPAT DIKETAHUI DARI TEKSTURNYA MENGGUNAKAN PENDEKATAN IMAGE PROCESSING. PROSES KLASIFIKASI PADA PENELITIAN INI MENGGUNAKAN ENAM JENIS DAUN YAITU BARRINGTONIA RACEMOSA, CASSIA FISTULA, DIPTEROCARPUS GRANDIFLORUS, HOPEA ODORATA MIMUSOPS ELENGI, DAN PTEROCARPUS INDICUS. MASING-MASING JENIS DAUN MEMILIKI 18 CITRA ORIGINAL YANG KEMUDIAN DIVARIASI MELALUI PRE-PROCESSING MENJADI 486 CITRA. DATA YANG TELAH DIPEROLEH AKAN MELEWATI PROSES EKSTRAKSI MENGGUNAKAN METODE HAAR WAVELET DENGAN HASIL LEVEL SATU DAN LEVEL DUA, KEMUDIAN DIKLASIFIKASI DENGAN MODEL SVM (SUPPORT VECTOR MACHINE) DAN KNN (K-NEAREST NEIGHBOR). AKURASI TERBAIK DARI PROSES KLASIFIKASI PADA LEVEL SATU DAN LEVEL DUA MEMILIKI PERSENTASE MASING-MASING SEBESAR 92.80