9
Menurut Syarif 2014, masing-masing fitur dari citra tersebut didapatkan melalui proses ekstraksi fitur yang tidak mudah, karena satu citra dapat mempunyai
multiple feature . Proses ekstraksi fitur yang baik dan benar dapat menentukan
keberhasilan dalam membangun suatu aplikasi citra digital.
2.2 Ekstraksi Fitur
Ekstraksi fitur merupakan proses pengindeksan suatu database citra dengan isinya. Secara matematik, setiap ekstraksi fitur merupakan encode dari vektor n dimensi yang
disebut dengan vektor fitur. Komponen vektor fitur dihitung dengan proses citra dan teknik analisis serta digunakan untuk membandingkan citra yang satu dengan citra
yang lain. Ekstraksi fitur diklasifikasikan kedalam 3 jenis yaitu low level, middle level dan high level. Fitur low level merupakan ekstraksi fitur berdasarkan isi visual seperti
warna dan tekstur, fitur middle level merupakan ekstraksi fitur berdasarkan wilayah citra yang ditentukan dengan segmentasi, sedangkan fitur high level merupakan
ekstraksi fitur berdasarkan informasi semantik yang terkandung dalam citra Kusumaningsih, 2009.
Menurut Acharya 2005, warna merupakan salah satu fitur visual yang digunakan dalam Content Based Image Retrieval CBIR. Warna sangat baik jika
digunakan untuk temu kembali citra karena memiliki hubungan yang sangat kuat dengan objek dalam sebuah citra dan melatarbelakangi gabungan background, skala,
orientasi, perspektif dan ukuran suatu citra. Bentuk dapat didefenisikan sebagai gambaran dari suatu objek dalam posisi, orientasi, dan ukuran. Fitur bentuk dalam
suatu citra sangat esensial untuk segmentasi citra karena dapat mendeteksi objek atau batas wilayah. Sedangkan tekstur merupakan fitur citra yang sangat menarik
digunakan untuk menentukan karakterisasi suatu citra dengan aplikasi CBIR. Hal ini dikarenakan, tekstur mengandung informasi penting mengenai susunan struktur
permukaan suatu citra.
Universitas Sumatera Utara
10
2.2.1 Ekstraksi Fitur Bentuk
Bentuk merupakan salah satu fitur citra yang dapat digunakan untuk mendeteksi objek atau batas wilayah. Proses mendapatkan nilai fitur bentuk dapat
dimulai dengan konversi citra RGB menjadi citra grayscale. Hal ini berfungsi untuk mendapatkan nilai warna yang lebih sederhana. Dimana warna grayscale hanya
mempunyai intensitas warna 0 – 255 untuk setiap pikselnya. Proses yang digunakan
untuk mendapatkan citra grayscale dilakukan dengan mencari nilai rata-rata dari total nilai RGB. Persamaan yang digunakan untuk mendapatkan nilai grayscale dapat
dilihat pada persamaan berikut.
G =
r+g+b 3
............................................... 2.1 Dimana G merupakan nilai grayscale, r merupakan nilai red setiap piksel, g
merupakan nilai green pada setiap piksel dan b merupakan nilai blue pada setiap piksel. Setelah nilai grayscale ditemukan maka dilakukan deteksi tepi. Deteksi tepi
pada suatu citra adalah suatu proses yang menghasilkan tepi dari objek citra yang membatasi dua wilayah citra homogen yang memiliki tingkat kecerahan yang berbeda.
Proses deteksi tepi ini dilakukan sebelum proses ekstraksi fitur bentuk untuk meningkatkan penampakan garis batas suatu daerah atau objek didalam citra dan
mendapatkan bentuk dasar citra. Metode untuk deteksi tepi yang digunakan pada penelitian ini adalah
Operator Sobel. Operator Sobel menggunakan dua buah matriks konvolusi berukuran 3x3, dimana matriks konvolusi pertama digunakan untuk menentukan gradien pada
arah sumbu x dan matriks konvolusi kedua digunakan untuk menentukan gradien pada arah sumbu y. Hasil konvolusi pada arah sumbu x terhadap citra grayscale dinyatakan
dengan G
x
dan hasil konvolusi pada arah sumbu y terhadap citra grayscale dinyatakan dengan G
y
. Hasil Operator Sobel merupakan magnitudo dari gradien yang dapat dihitung
dengan persamaan 2.4 atau persamaan 2.5. Sebuah piksel akan dianggap sebagai tepi bernilai 1 jika nilai magnitudonya lebih besar dari nilai threshold yang ditetapkan.
Universitas Sumatera Utara
11
Teknik threshold yang digunakan adalah Single Global Threshold, dimana segmentasi dilakukan dengan cara mendeteksi citra piksel per piksel dan melabelkan tiap piksel
sebagai objek atau background tergantung pada tingkat keabuan dari piksel tersebut. Selanjutnya dilakukan ekstraksi fitur bentuk menggunakan metode Integral Proyeksi.
Integral Proyeksi adalah suatu metode yang digunakan untuk mendeteksi batas dari daerah citra. Integral proyeksi disebut juga dengan integral baris dan kolom dari
piksel, karena integral proyeksi dilakukan dengan cara menjumlahkan piksel per baris dan piksel per kolom. Nilai integral proyeksi dapat dihitung menggunakan persamaan
berikut. h
j = xi,j
N baris i=1
........................................ 2.2 h
i = xi,j
N kolom j=1
....................................... 2.3 Hasil perhitungan Integral Proyeksi akan disusun dalam bentuk vektor
sebagai defenisi fitur bentuk citra yang diamati. Cara yang sama dilakukan pada setiap citra dan kemudian vektor fitur bentuk dari setiap citra disimpan dalam database.
2.2.2 Ekstraksi Fitur Warna
Warna yang terlihat adalah spektrum cahaya yang dipantulkan oleh benda yang kemudian ditangkap oleh indra penglihatan mata lalu diterjemahkan oleh otak sebagai
sebuah warna tertentu. Gonzales,et al 2004 menyampaikan beberapa model warna yang dikenal di dalam pengolahan citra, yakni NTSC, YIQ, RGB, YCbCr, HSV,
CMY, CMYK, HSI. Ruang warna National Television Systems Committee NTSC digunakan pada televisi. Keuntungan format ini adalah informasi tingkat keabuan
dipisahkan dari data warna, sehingga sinyal yang sama dapat digunakan untuk televisi monokrom dan berwarna. Dalam format NTSC, data citra terdiri dari tiga komponen
yakni luma Y, in-phase I dan quadrature Q. Selanjutnya, model warna RGB digunakan pada monitor yang terdiri dari warna merah red, hijau green dan biru
blue. Ketiga warna ini disebut sebagai warna primer.
Universitas Sumatera Utara
12
Ruang warna YCbCr digunakan secara luas di dalam video digital. Dalam format ini, informasi luminance direpresentasikan dengan komponen Y dan informasi
warna disimpan sebagai komponen color-difference, Cb dan Cr. Komponen Cb merupakan perbedaan antara komponen biru dengan sebuah nilai referensi. Komponen
Cr merupakan perbedaan komponen merah dengan sebuah nilai referensi. Model warna HSV merupakan model warna yang mendefinisikan warna berdasarkan
terminologi Hue, Saturation dan Value. Hue digunakan untuk membedakan warna- warna dan menentukan kemerahan redness, kehijauan greenness dari cahaya.
Saturation menyatakan tingkat kemurnian suatu warna dan Value menyatakan
banyaknya cahaya yang diterima mata tanpa memperdulikan warna Rakhmawati, 2013.
Ruang warna CMY merupakan singkatan dari Cyan, Magenta dan Yellow. Warna CMY biasanya digunakan untuk percetakan, warna CMY pada dasarnya masih
memantulkan sedikit warna – warna RGB. Warna Cyan memantulkan warna Red,
warna Magenta memantulkan warna Green dan warna Yellow memantulkan warna Blue
. Sebagian gelombang cahaya yang tidak diinginkan terkadang masih dipantulkan sehingga menyebabkan kesalahan warna. Pantulan yang tidak diinginkan disebut hue
error . Untuk menyiasatinya maka ditambahkan warna black yang disebut key dalam
warna CMYK agar tiap komponen warna menjadi lebih pekat dan tidak memantulkan hue error
tersebut. Model warna RGB dan CMY sangat cocok untuk implementasi perangkat
keras, namun keduanya tidak cocok untuk mendeskripsikan warna berdasarkan interpretasi manusia. Ruang warna HSI Hue, Saturation, Intensity menghasilkan
warna yang lebih natural dibandingkan RGB dan CMY. Pada penelitian ini digunakan ruang warna HSV untuk ekstraksi fitur warna,
hal ini disebabkan ruang warna HSV dapat memilah warna dalam citra seperti penglihatan mata manusia sehingga dapat mengenali warna citra dengan baik. Proses
untuk mendapatkan nilai fitur warna dapat dimulai dengan konversi citra RGB menjadi citra HSV. Persamaan untuk melakukan konversi citra RGB menjadi citra
HSV dapat dihitung menggunakan persamaan 2.9. sampai dengan persamaan 2.11.
Universitas Sumatera Utara
13
Sebelum melakukan konversi RGB ke HSV diperlukan normalisasi RGB terlebih dahulu dengan persamaan 2.6 sampai dengan persamaan 2.8. Setelah nilai
normalisasi RGB selesai, maka dapat dilakukan konversi citra RGB menjadi citra HSV.
Informasi penting mengenai konten citra dapat diketahui dengan membuat histogram citra. Histogram citra adalah grafik yang menggambarkan penyebaran nilai-
nilai intensitas piksel dari suatu atau bagian tertentu di dalam citra. Dari sebuah histogram dapat diketahui frekuensi kemunculan nisbi dari intensitas pada citra
tersebut. Histogram juga dapat menunjukkan banyak hal tentang kecerahan brightness
dan kontras dari sebuah citra. Jika digambarkan pada koordinat kartesian maka sumbu X absis histogram
menunjukkan tingkat warna dan sumbu Y ordinat histogram menunjukkan frekuensi kemunculan. Histogram warna sangat efektif mengkarakterisasikan distribusi global
dari warna dalam sebuah citra Sutoyo, 2009. Ekstraksi fitur warna dilakukan dengan menggunakan histogram warna
konvensional. Ruang warna yang digunakan adalah ruang warna HSVhue, saturation, value
. Proses untuk mendapatkan nilai fitur warna dimulai dengan konversi warna RGB ke HSV menggunakan persamaan 2.9 sampai dengan persamaan 2.11. Pada
proses komputasi kemungkinan kombinasi warna yang besar akan menghabiskan banyak waktu time consuming. Masalah tersebut dapat diatasi dengan kuantisasi
warna color quantization, yaitu suatu prosedur untuk mengurangi kemungkinan jumlah warna. Dengan cara ini jumlah warna yang besar dapat dikurangi, sehingga
proses yang dilakukan semakin mudah. Pada penelitian ini, komponen hue dikuantisasi menjadi 18 bagian, saturation
dikuantisasi menjadi 3 bagian dan value dikuantisasi menjadi 3 bagian. Kombinasi dari seluruh komponen warna HSV sebanyak 162 bagian dimana tiap kombinasi
kuantisasi warna disimpan sebagai elemen vektor fitur. Tiap elemen vektor fitur disebut bin.
Universitas Sumatera Utara
14
Setelah dilakukan kuantisasi warna maka dilakukan normalisasi histogram agar citra yang memiliki kesamaan distribusi warna dengan ukuran citra yang berbeda
tetap memiliki histogram yang sama. Hasil kuantisasi dinormalisasi dalam rentang nilai 0 sampai 1.
Hasil proses normalisasi akan disusun dalam bentuk vektor sebagai defenisi fitur warna citra yang diamati. Histogram yang diperoleh disebut histogram HSV-162
bin. Nilai elemen histogram menyatakan normalisasi jumlah piksel citra yang masuk ke dalam bin yang sesuai. Histogram HSV-162 bin merepresentasikan vektor fitur
warna citra. Cara yang sama dilakukan pada setiap citra dan kemudian vektor fitur citra dari setiap citra disimpan dalam database.
2.3 Operator Sobel