3.4 Metode Ekstraksi
Zoning
Metode zining dapat dibagi menjadi 3 proses, yaitu: 1. Hitung jumlah piksel hitam setiap zona dari Z1 sampai Z510.
2. Tentukan zona yang memiliki jumlah piksel hitam paling tinggi. 3. Hitung nilai fitur setiap zona dari Z1 sampai Z510.
Yaitu menggunakan rumus : Nilai fitur Zn = Zn Ztertinggi
dimana 1 ≤ n ≤ 510 Nilai fitur didapatkan dengan melakukan perbandingan jumlah piksel hitam dari
satu zona dengan zona yang didapatkan dari proses no 2.
Flowchart dari proses ekstraksi zoning dapat dilihat pada gambar 3.6.
Universitas Sumatera Utara
Start
y ß 0
k ß y
l ß x
imgl, k = 0
piksel_zona[y10][x10] ß piksel_zona[y10][x10] + 1
Yes y tinggi
x ß 0
x lebar Yes
y ß 0
No
y ß y + 10
x ß x + 10
Yes
k y + 10 k ß k + 1
Yes
l x + 10 l ß l + 1
Yes No
No piksel_zona[y10][x10]
piksel_zona_max No
piksel_zona_max ß piksel_zona[y10][x10]
Yes No
No y ZONA_T
x ß 0
x ZONA_L Yes
piksel_zona[y][x] ß piksel_zona[y][x]
piksel_zona_max Yes
x ß x + 1 y ß y + 1
No End
No Inisialisasi
ZONA_L ß 30, ZONA_T ß 17 img hasil Thinning
tinggi ß imgheight, lebar ß imgwidth piksel_zona[ZONA_T][ZONA_L] ß 0.0
piksel_zona_max ß 0.0 x, y, k, l
Gambar 3.6. flowchart ekstraksi fitur zoning
Universitas Sumatera Utara
Gambar 3.7 Pembagian zona menjadi 30 kolom dengan 17 baris, masing-masing
zona berukuran 10x10 piksel.
3.5 Tahap Setelah Ekstraksi Fitur
Setelah melakukan tahapan ekstraksi fitur dan tahapan berikutnya yaitu klasifikasi dengan menggunakan jaringan saraf tiruan propagasi balik. Dalam tapahan ini
terdapat dua proses yaitu proses pelatihan dan proses pengujian. Pada proses pelatihan dilakukan pelatihan jaringan saraf tiruan dengan menggunakan nilai fitur yang didapat
dari data yang dilatih. Sebelum data digunakan, terlebih dahulu datanya harus sudah dilatih. Setelah proses pelatihan, masuk ke proses pengujian yaitu dengan
menggunakan nilai fitur yang didapatkan dari data yang diuji. Jaringan harus dirancang terlebih dahulu sebelum data di latih dan diuji.
3.6 Perancangan Jaringan Propagasi Balik
Kategori