Ekstraksi Fitur Pengenalan Pola

a b Gambar 2.6. Proses Thinning. Citra sebelum thinning a dan citra hasil thinning b

2.3. Ekstraksi Fitur

Ekstraksi fitur atau feature extraction adalah proses mereduksi citra yang didapat dari proses pengolahan citra menjadi fitur yang mampu mewakili citra tersebut. Salah satu metode ekstraksi fitur adalah pixel mapping atau pemetaan piksel Mulyo et al, 2004. Pemetaan piksel dilakukan dengan cara membuat sebuah string yang akan panjangnya sama dengan panjang citra dikali dengan lebar citra. Hal ini dilakukan karena string haruslah mampu menampung semua piksel dari citra. Fitur yang diekstrak dari citra adalah keberadaan piksel dan pola piksel tersebut. Ekstraksi fitur dilakukan terhadap citra yang sudah melewati semua tahapan pengolahan citra. Citra akan diubah menjadi sebuah string . Piksel hitam akan menjadi 1, dan piksel putih akan menjadi 0. Tetapi menggantinya menjadi -0,5 untuk yang putih dan 0,5 untuk yang hitam juga dapat diterima. Penggantian menjadi 0,5 dan -0,5 terbukti meningkatkan performa pengenalan pola Heaton, 2005. Ilustrasi pemetaan piksel dapat dilihat pada gambar 2.7. Universitas Sumatera Utara Gambar 2.7. Ilustrasi pemetaan piksel, dari citra menjadi untaian nilai

2.4. Pengenalan Pola

Pola adalah sebuah entitas yang dapat memiliki ciri. Ciri tersebut bisa pakai untuk membedakan satu pola dengan pola yang lain. Dengan demikian, pola yang satu memiliki keunikan dari pola yang lain. Oleh karena itu, setiap pola bisa dibedakan dengan melihat ciri-ciri yang dimiliki pola tersebut Bishop, 2006. Pengenalan pola adalah suatu ilmu untuk mengklasifikasikan sebuah objek dengan objek lain berdasarkan ciri yang ada. Gambar 2.8. Struktur Sistem Pengenalan Pola Struktur dari pengenalan pola selalu dimulai dari sensor yang akan menangkap data. Prapengolahan dilakukan untuk menyiapkan data agar siap diklasifikasi. Setelah itu data akan diekstrak sehingga menjadi fitur yang siap untuk diklasifikasikan. Setelah itu digunakan algoritma klasifikasi untuk mengklasifikasikan pola tersebut. Ilustrasi dari strukturnya dapat dilihat pada gambar 2.8. Sensor Prapengolahan Ekstraksi Ciri Algoritma Klasifikasi Pola Data Klasifikasi Universitas Sumatera Utara Algoritma klasifikasi ialah algoritma yang digunakan untuk mengklasifikasikan data masukan. Contoh dari algoritma klasifikasi adalah jaringan saraf tiruan JST Schalkoff, 1992. Dengan JST, masukan bisa diklasifikasikan berdasarkan hasil pencarian beberapa ciri yang signifikan dan memproses serta menganalisis ciri tersebut.

2.5. Self-Organizing Map