permasalahan antara lain pengenalan pola pada suara, pengenalan pola citra, pengenalan pola citra bergerakvideo, pengenalan pola kumpulan suatu data dan lain
lain. Salah satu masalah yang akan diselesaikan dalam penelitian ini adalah permasalahan pengenalan pola dalam melakukan identifikasi nilai nominal pada uang
kertas rupiah. Terdapat tiga 3 tahap dalam melakukan pengenalan pola. Tahap yang paling
awal dilakukan adalah tahap pre-processing yaitu tahap dimana citra dikenakan suatu proses dengan tujuan mendapatkan citra baru yang siap untuk dikenali polanya.
Tahap kedua adalah tahap ekstraksi ciri, pada tahap ini citra akan diproses untuk mendapatkan ciri dari citra tersebut. Tahap ketiga adalah tahap klasifikasi, pada tahap
ini citra akan dikelompokan sesuai dengan kelas kelasnya.
2.4.1. Ekstraksi Ciri Local Binary Pattern LBP
Metode Local Binary Pattern merupakan salah satu metode untuk melakukan ekstraksi ciri pada suatu data citra grayscale. Metode LBP pertamakali diperkenalkan
oleh Ojala dkk pada tahun 1994. LBP didefinisikan sebagai perbandingan nilai biner piksel pada titik pusat citra hotspot dengan 8 titik tetangganyaOjala, 1994. Cara
kerja dari metode ini adalah menghitung selisih intensitas pada titik pusat dengan 8 titik tetangganya. Jika hasil dari selisih tersebut positif maka diberi nilai 1, dan jika
hasilnya negatif maka diberi nilai 0. Setelah itu hasil dari nilai tersebut disusun searah dengan jarum jam dan menghasilkan bilangan biner berskala 8-bit. Hasil bilangan
biner tersebut selanjutnya dikonversi ke bilangan desimal. Kumpulan bilangan desimal tersebut akan membentuk histogram baru yang menjadi ciri dari setiap citra.
Gambar 2.7. Ilustrasi LBP PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Pada Gambar 2.7. Terdapat contoh data digital citra yang memiliki titik pusat bernilai 125. Titik tersebut dibandingkan dengan 8 tetangganya dan didapat hasil pola
biner 10100100. Pola biner yang didapat dikonversi menjadi bilangan desimal dan didapat hasil 37 untuk nilai piksel tersebut.
2.4.2. Histogram
Histogram merupakan grafik yang merepresentasikan penyebaran nilai-nilai intensitas piksel dari suatu citra. Dari sebuah histogram dapat diketahui frekuensi
kemunculan relatif dari intensitas pada citra tersebut. Histogram dapat menunjukkan kecerahan brightness dan kontras contrast dari sebuah gambar. Histogram adalah
alat bantu yang berharga dalam pekerjaan pengolahan citra baik secara kualitatif maupun kuantitatif. Misalkan citra digital memiliki L derajat keabuan, yaitu dari nilai
0 sampai L –1 misal pada citra dengan kuantisasi derajat keabuan 8-bit, nilai derajat
keabuan dari 0 sampai 255. Secara matematis histogram citra dihitung dengan rumus:
i
n
= jumlah piksel yang memiliki derajat keabuan i N = jumlah seluruh piksel di dalam citra
Pada Gambar 2.9. sumbu x menerangkan intensitas cahaya dari 0 hingga 255, sedangkan sumbu y menerangkan banyaknya jumlah intensitas cahaya pada suatu
objek citra.
1 ,....,
1 ,
,
1
L
i N
n h
i
2.8.
Gambar 2.9. Ilustrasi Histogram PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
2.5. Klasifikasi k-Nearest Neighbor k-NN
