1. Home
  2. Lainnya

Analisis Tekstur Bandingkan Ew dengan Ewbaru.

Gambar 19 Ilustrasi pembentukan nilai w-entropy pada dekomposisi wavelet level dua.

c. Proses dekomposisi level tiga

Proses dekomposisi level tiga dilakukan sama seperti dekomposisi wavelet level satu dan dua. Jumlah subband yang dihasilkan pada dekomposisi level tiga sebanyak 10 buah, terdiri atas empat subband hasil dekomposisi koefisien approksimasi pada level dua, yaitu : 1. Koefisien Approksimasi subband LL 3 2. Koefisien Detail Horisontal subband HL 3 3. Koefisien Detail Vertikal subband LH 3 4. Koefisien Detail Diagonal subband HH 3 dan tiga buah subband hasil dari proses dekomposisi level dua, yaitu nilai koefisien detail horisontal HL 2 , vertikal LH 2 , dan diagonal HH 2 , serta tiga buah subband hasil dari proses dekomposisi level satu, yaitu nilai koefisien detail horisontal HL 1 , vertikal LH 1 , dan diagonal HH 1 , selanjutnya masing-masing subband akan diambil nilai w-entropy. Dekomposisi level ini menghasilkan 10 fitur w-entropy seperti ditunjukkan pada Gambar 20 . w-entropy LL 3 w-entropy HL 3 w-entopy HL 2 w-entropy HL 1 w-entropy LH 3 w-entropy HH 3 w-entopy LH 2 w-entopy HH 2 w-entropy LH 1 w-entropy HH 1 Gambar 20 Ilustrasi nilai w-entropy pada dekomposisi wavelet level tiga.

d. Proses dekomposisi wavelet level empat

Proses ini berhubungan dengan proses dekomposisi pada level -level sebelumnya. Jumlah subband pada proses ini sebanyak 13 subband, terdiri atas empat subband LL 4 , HL 4 , LH 4 , HH 4 hasil dekomposisi koefisien approksimasi pada level tiga, sembilan subband hasil koefisien detail horizontal, vertikal, dan diagonal pada level tiga HL 3 , LH 3 , HH 3 , level dua HL 2 , LH 2 , HH 2 , dan level satu HL 1 , LH 1 , HH 1 . Setiap subband akan diambil nilai w-entropy. Dekomposisi level empat menghasilkan 13 fitur w-entropy seperti ditunjukkan pada Gambar 21 . w- entropy LL 4 w- entropy HL 4 w-entropy HL 3 w-entopy HL 2 w-entropy HL 1 w- entropy LH 4 w- entropy HH 4 w-entropy LH 3 w-entropy HH 3 w-entopy LH 2 w-entopy HH 2 w-entropy LH 1 w-entropy HH 1 Gambar 21 Ilustrasi nilai w-entropy pada dekomposisi wavelet level empat.

3.4. Data Latih dan Data Uji

Citra stomata berjumlah 96 data terbagi atas 2 bagian, yaitu data latih 80 data dan data uji 16 data. Data dikelompokan menggunakan 6-fold cros- validation berdasarkan data setiap jenis, yaitu 24 buah citra. Data dibagi menjadi 6 bagian data uji, yaitu citra 1 - 4, citra 5 - 8, citra 9 - 12, citra 13 - 16, citra 17 - 20, dan citra 21 – 24. Pengelompokan detail 6 -fold cros-validation ditunjukkan pada Gambar 22.

Dokumen yang terkait

Implementasi Algoritma Evolving Fuzzy Neural Network (EFuNN) Untuk Memprediksi Biaya Perkuliahan

18 135 79

The Development of Soybean Grading Algorithm Using Image Processing and Artificial Neural Network

1 14 192

The Development of Automatic Coffee Sorting System Based on Image Processing and Artificial Neural Network

0 7 5

ANALISIS TEKSTUR CITRA ANATOMI STOMATA UNTUK KLASIFIKASI FREYCINETIA MENGGUNAKAN K-NEAREST NEIGHBOR

0 6 4

The Development of Soybean Grading Algorithm Using Image Processing and Artificial Neural Network

1 15 91

Image Denoising Based on Artificial Bee Colony and BP Neural Network

0 2 10

Boosting Campus Network Design Using Cis

0 0 12

KLASIFIKASI JENIS BATUAN BEKU BERDASARKAN TEKSTUR DENGAN METODE TRANSFORMASI CURVELET DAN K-NEAREST NEIGHBOR (K-NN) Igneous Rock Classification Based On Texture Using Curvelet Transform and K-Nearest Neighbor (K-NN)

0 0 8

Prediction of Physical Quality of Corn Kernel for Feed using Artificial Neural Network Based on Image Processing

0 0 8

SIMULASI DAN ANALISIS KLASIFIKASI GENRE MUSIK BERBASIS FFT DAN K- NEAREST NEIGHBOR SIMULATION AND ANALYSIS OF MUSIC GENRE CLASSIFICATION BASED ON FFT AND K- NEAREST NEIGHBOR

0 0 6