44 bytes, Number of Image = 1, Gap Between Image = 0 bytes,
Check “White is Zero” only.
b. Pemotongan Citra
Proses pemotongan atau penghilangan background citra paru dilakukan
dengan bantuan software Adobe Photoshop CS 8.
c. Mengubah citra ke dalam bentuk grayscale
Proses mengubah bentuk citra ke dalam bentuk grayscale dilakukan saat ekstraksi citra menggunakan GCLM dengan program Matlab R2013a. Script
selengkapnya terdapat pada lampiran 3 halaman 102. Script yang diketikkan adalah
R=rgb2grayJPCLN001; d.
Mengubah ukuran pixel Ukuran pixel citra paru diubah bertujuan untuk menyeragamkan ukuran pixel
semua citra foto paru saat di ekstraksi, agar mendapat hasil yang maksimal. Script selengkapnya terdapat pada lampiran 3 halaman 102. Script yang diketikkan
pada program Matlab R2013a adalah Iec=rgb2grayJPCLN001,[256 256];
2. Ekstraksi Fitur Citra
Setelah melakukan perbaikan kualitas citra dengan operasi titik intensity adjustment, langkah selanjutnya adalah melakukan ekstraksi citra. Proses ekstraksi
citra merupakan salah satu proses yang penting dalam pengenalan pola. Proses ekstraksi citra dapat dilakukan dengan Gray Level Coocurrence Matrix GLCM
untuk memperoleh fitur karakteristik pada masing-masing citra. Hasil ekstraksi
45 citra berupa data-data numerik yang akan digunakan untuk menentukan variabel
input dalam klasifikasi SOM-RBFNN.
3. Normalisasi Input Fitur Citra
Normalisasi adalah penskalaan terhadap data input ke dalam suatu range tertentu sehingga data input menjadi lebih merata seragam. Hal ini dilakukan agar
data input sesuai dengan range dari fungsi aktivasi yang digunakan dalam jaringan. Data input dinormalisasi dengan cara membawa data ke bentuk normal baku yaitu
dengan mean = 0 dan simpangan baku =1. Berikut adalah rumus normalisasi input
fitur citra Walpole, 1992: 41:
∗
=
�
− ̅ �
3.7
dengan ̅ = rata-rata data; ̅ = ∑
,
=
� = simpangan baku data sampel; � = √
−
∑ − ̅
=
, = , , , . . . , ,
= Jumlah data pengamatan. Pada MATLAB R2013a normalisasi input fitur citra dapat ditentukan dengan
metode dengan fungsi prestd. Script yang digunakan adalah sebagai berikut:
[Pn,meanp,stdp,Tn,meant,stdt]=prestdP,T dengan
P = matriks input,
T = matriks target,
Pn Tn
= matriks input target yang ternomalisasi,
46 Meanp
meant = mean pada matriks input sebelum dinormalisasi P T ,
stdp stdt = simpangan baku pada matriks input sebelum dinormalisasi
P T ,
4. Pembagian Input Fitur Citra
Pembagian input fitur citra input pada jaringan saraf tiruan dibagi menjadi 2, yaitu data training dan data testing. Data training digunakan untuk melatih jaringan
dalam mengenali informasi yang diberikan. Sedangkan, data testing merupakan data yang akan digunakan untuk menguji tingkat keakuratan model jaringan dalam
mengolah informasi yang telah diberikan. Terdapat beberapa komposisi data training dan data testing yang digunakan dalam jaringan saraf tiruan Hota, et al,
2013: 165: