23
3.3 Perancangan Proses Ekstraksi ciri
Proses ekstraksi ciri merupakan proses paling penting untuk mendapatkan komponen atau data-data dari sebuah citra baik yang selanjutnya digunakan untuk
proses klasifikasi. Untuk proses klasifikasi Naive Bayes menggunakan tiga ciri yaitu ciri warna, deteksi tepi dan gabungan antara warna dan rata-rata vektor.
3.3.1 Proses Ekstraksi Ciri Warna
Untuk mendapatkan ekstrak ciri warna diperoleh dengan algoritma seperti dibawah ini:
Masukan: matriks dari citra yang berukuran 200 x200 piksel Keluaran: data ektraksi ciri warna yang berupa matriks 1x4 untuk setiap
citra 1.
Masukan citra berukuran 200 x 200 piksel. 2.
Membaca citra. 3.
Memisahkan RGB. -
Mengambil keping warna merah Red -
Mengambil keping warna hijau Green -
Mengambil keping warna biru Blue 4.
Mencari rata-rata RGB. -
Mencari rata-rata keping warna merah Red -
Mencari rata-rata keping warna hijau Green -
Mencari rata-rata keping warna biru Blue -
Mencari rata-rata RGB Red, Green, Blue PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
24
Hasil dari setiap nilai rata-rata Red, rata-rata Green, rata-rata Blue, dan rata-rata RGB yang didapat dari proses ekstraksi ciri warna diatas
berupa matriks yang berukuran 1x4 untuk setiap citra masukan.
3.3.2 Proses Ekstraksi Ciri Rata-rata Vektor
Untuk mengenali pola dari citra yang sudah dikenai deteksi tepi Canny, algoritma rata-rata vektor horizontal nya seperti dibawah ini:
Masukan: matriks dari gambar yang berukuran 200 x200 piksel Keluaran: matriks nilai rata-rata vektor horizontal 1x8 untuk setiap citra
1. Citra di ubah menjadi gray.
2. Hasil dari citra yang di grayscale dikenai dengan fungsi deteksi
tepi Canny. 3.
Citra hasil deteksi tepi dibagi menjadi 8 baris horizontal, dan untuk setiap barisnya 25x200 piksel dihitung rata-rata nya.
a. For i= 1:25, for k=1:200untuk baris pertama.
b. Mengambil piksel yang bernilai 1, lalu dijumlahkan.
c. Masukkan kedalam sub variabel.
4. Ulangi langkah pada nomor 3 untuk baris ke dua sampai baris ke
delapan dengan menambahkan nilai disetiap baris nya. 5.
Hasil penjumlahan piksel setiap baris nya dibagi dengan nilai 5000 di dapat dari 25x200 untuk mencari rata-rata setiap baris
horizontal. 6.
Simpan dalam variabel untuk hasil rata-rata setiap baris nya. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
25
Kemudian untuk algoritma rata-rata vektor vertikal nya seperti dibawah ini:
Masukan: matriks dari gambar yang berukuran 200 x200 piksel Keluaran: nilai rata-rata vektor vertikal berupa matriks 1x8 untuk setiap
citra 1.
Citra di ubah menjadi gray. 2.
Hasil dari citra yang di grayscale dikenai dengan fungsi deteksi tepi Canny.
3. Citra hasil deteksi tepi dibagi menjadi 8 baris horizontal, dan untuk
setiap barisnya 25x200 piksel dihitung rata-ratanya. a
For k=1:25, for i=1:200 untuk baris pertama. b
Mengambil piksel yang bernilai 1, lalu dijumlahkan. c
Masukan kedalam sub variabel. 4.
Ulangi langkah pada nomor 3 untuk baris kedua sampai ke delapan dengan menambahkan nilai disetiap barisnya.
5. Hasil penjumlahan piksel setiap barisnya dibagi dengan nilai 5000 di
dapat dari 25x200 untuk mencari rata-rata setiap baris vertikal. 6.
Simpan dalam variabel untuk hasil rata-rata setiap baris nya. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
26
3.3.4 Proses Gabungan Ekstraksi Ciri Warna Dan Rata-rata Vektor
Pada proses ini merupakan proses penggabungan ekstraksi ciri warna dan rata-rata vektor. Hasil dari setiap perhitungan warna yaitu rata-
rata Red, rata-rata Green, rata-rata Blue dan rata-rata RGB digabungkan dengan ekstraksi ciri deteksi tepi yang berupa rata-rata vektor horizontal
atau vertikal 8 baris. Sehingga akan terbentuk matriks yang berukuran 1x12 setiap citra.
Untuk mendapatkan ekstrak ciri warna dan rata-rata vektor diperoleh dengan algoritma seperti dibawah ini:
Masukan: matriks dari citra yang berukuran 200 x200 piksel Keluaran: data ektraksi ciri warna yang berupa matriks 1x4 untuk setiap
citra 1.
Masukan citra berukuran 200 x 200 piksel. 2.
Membaca citra. 3.
Memisahkan RGB. -
Mengambil keping warna merah Red -
Mengambil keping warna hijau Green -
Mengambil keping warna biru Blue 4.
Mencari rata-rata RGB. -
Mencari rata-rata keping warna merah Red -
Mencari rata-rata keping warna hijau Green -
Mencari rata-rata keping warna biru Blue PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
27
- Mencari rata-rata RGB Red, Green, Blue
5. Citra di ubah menjadi gray.
6. Hasil dari citra yang di grayscale dikenai dengan fungsi deteksi tepi
Canny. 7.
Citra hasil deteksi tepi dibagi menjadi 8 baris horizontal, dan untuk setiap barisnya 25x200 piksel dihitung rata-rata nya.
a. For i= 1:25, for k=1:200untuk baris pertama.
b. Mengambil piksel yang bernilai 1, lalu dijumlahkan.
c. Masukkan kedalam sub variabel.
8. Ulangi langkah pada nomor 3 untuk baris ke dua sampai baris ke
delapan dengan menambahkan nilai disetiap baris nya. 9.
Hasil penjumlahan piksel setiap baris nya dibagi dengan nilai 5000 di dapat dari 25x200 untuk mencari rata-rata setiap baris horizontal.
10. Simpan dalam variabel untuk hasil rata-rata setiap baris nya.
Kemudian untuk algoritma rata-rata vektor vertikal nya seperti dibawah ini:
11. Citra hasil deteksi tepi dibagi menjadi 8 baris horizontal, dan untuk setiap barisnya 25x200 piksel dihitung rata-ratanya.
a. For k=1:25, for i=1:200 untuk baris pertama.
b. Mengambil piksel yang bernilai 1, lalu dijumlahkan.
c. Masukan kedalam sub variabel.
12. Ulangi langkah pada nomor 3 untuk baris kedua sampai ke delapan
dengan menambahkan nilai disetiap barisnya. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
28
13. Hasil penjumlahan piksel setiap barisnya dibagi dengan nilai 5000 di
dapat dari 25x200 untuk mencari rata-rata setiap baris vertikal. 14.
Simpan dalam variabel untuk hasil rata-rata setiap baris nya.
3.4 Perancangan Proses Klasifikasi