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