Sebuah sistem fisis untuk tujuan pengenalan pola ditandai oleh beberapa perwujudan fisisnya, yang kembali dinyatakan secara numerik oleh beberapa
kumpulan pengukuran yang membentuk ‘ruang pengukuran’. Pemilihan dan ekstraksi ciri dalam bidang pengenalan pola adalah suatu proses pemilihan sebuah
pemetaan bentuk X = fY yang menyebabkan sebuah sampel Yy
1
, y
2
, …, y
Q
dalam ruang
Ω
y
berdimensi-Q ditransformasikan ke dalam suatu titik Xx
1
, x
2
, …, x
N
dalam sebuah ruang ciri Ωx berdimensi-N. Ruang pola yang kini ditransformasikan
menjadi ruang ciri dapat memiliki beberapa ciri yaitu : berdimensi terhingga, biasanya berdimensi relatif rendah N Q, dan mengandung cukup informasi
secara memuaskan untuk memenuhi tugas klasifikasi. Fungsi fY yang demikian itu m
ang
pola oleh komputer dijelaskan ebagai suatu transformasi dari ruang pengukuran M, menjadi ruang ciri F dan
pola ditransformasikan melalui pemilihan dan ekstraksi ciri, menjadi sebuah
2.5. Metode Pola Busur Terlokalisasi
akhir end point masing-masing A dan B dihubungkan oleh busur-busur seperti yang tampak pada Gambar 2.3. Pada gambar tersebut juga dapat dilihat lima buah
titik yang berjarak sama ditempatkan di atas busur yang disebut dengan titik karakteristik
characterizing points . Titik-titik inilah yang nantinya akan
menyusun pola dari model yang dipergunakan sebagai karakteristik Aksara Bali. akan meminimumkan jarak intraset dan me aksimumkan jarak interset dalam ru
ciri Ωx. Proses penurunan sebuah aturan keputusan berdasarkan sekumpulan sampel
hingga yang telah diberi label untuk mengklasifikasikan suatu titik dalam ruang ciri yang bersesuian terhadap sampel yang tidak diberi label serta pelaksanaannya,
disebut ‘klasifikasi pola’. Karena itu, pengenalan s
akhirnya ke ruang keputusan D. M
Æ F Æ D ………………………………2.1
Hal tersebut menyebabkan di dalam pendekatan teoritik keputusan, sekali sebuah
Vektor X dalam ruang ciri Ωx, karakteristiknya hanya dapat dinyatakan oleh
sekumpulan nilai-nilai numerik dalam suatu vektor.
Metode Pola Busur Terlokalisasi ini dikembangkan dari Metode Pola Busur Arc Pattern Method. Prinsip metode ini adalah sebagai berikut : dua buah titik
16
Gambar 2.3
Pola busur dalam bentuk asli
Berdasarkan Metode Pola Busur tersebut disusun model yang terdiri atas satu atau dua buah titik akhir end point dan beberapa titik diantara dua titik akhir.
Kombinasi itu akan menghasilkan model yang banyak sekali, tetapi untuk sistem aktual, tidak semua pola model model pattern yang dipergunakan karena akan
sangat memperlambat kerja sistem. Masalah ini ditanggulangi dengan mengurangi sebagian pola
model yang ada. Satu ide untuk merealisasikan pengurangan pola model ini dengan melakukan pembatasan pandangan lokalisasi permasalahan
pada pola model yang didefinisikan di dalam sebuah bujur sangkar kecil berukuran 5 x 5 kotak. Hanya kemungkinan-kemungkinan model yang dibentuk oleh titik
karakteristik dalam bujur sangkar inilah yang dipergunakan sebagai pedoman untuk membentuk pola model. Metode Pola Busur dengan pembatasan inilah yang disebut
dengan Pola Busur Terlokalisasi. Berdasarkan pembatasan tersebut Isao Yoshimura
dan Mitsu Yoshimura mendapatkan 77 buah pola model seperti yang
Titik akhir
l=
3
terlihat pada Gambar 2.4 Ada bebera
irip atau sejenis dikelompokkan menjadi satu model, contohnya seperti Nomor 5 dan 6 yang identik
dikelompokkan menjadi satu je el yaitu Model
5. Berdasarkan pengelompokan yang dilakukan, akhirnya didapatkan sebanyak 67 pola model.
ola model yang terlihat pada Gambar 2.4 tersebut yang akan digunakan untuk ksara Bali. Pada gambar tersebut angka di
sebelah kiri menunjukkan nomor pola, sedangkan angka yang di sebelah kanan menun
pa model yang m
nis pola mod
P mengekstraksi ciri dari citra biner A
jukkan nomor model. A
B l=
2
l=
1
l=
Jarak
l=
-1
l=
-2
l=
-3 Jari-jari OA
=2AB l End point
Titik akhir
B
Titik karakteristik
A O
17
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
No.1 Model 1
No.9 Model 7
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
del 10 No.13 Model 11 No.14 Model 12 No.16 Model 14
No.15 Model 13
del 20 No.24 Model 21
No.33
No.41 Model 35 No.42 Model 36 No.43 Mode
42
No.49 Model 43 No.50 Model 44
49
o.60 Model 52 No.61 Model 53 No.62 Model 54 No.63 Model 55
No.64 Model 56
No.65 Model 57 No.66 Model 58 No.67 Model 59
No.68 Model 60 No.69 Model 61 No.70 Model 62 No.71 Model 62 No.72 Model 63
rman “eigen” dapat diinterpretasikan “karakteristik”. Oleh karena itu nilai eigen d
No.2 Model 2 No.3 Model 3
No.5 Model 5 No.4 Model 4
No.6 Model 5 No.7 Model 6
No.8 Model 7
No.10 Model 8 No.11 Model 9
No.12 Mo
No.17 Model 15 No.18 Model 16 No.19 Model 17
No.20 Model 18 No.21 Model 19 No.22 Model 19 No.23 Mo
No.25 Model 21
No.26 Model 22 No.27 Model 23 No.28 Model 24 No.29 Model 25
No.30 Model 26 No.31 Model 27 No.32 Model 28
Model 29 No.34 Model 30 No.35 Model 31
No.36 Model 32 No.37 Model 33 No.38 Model 33 No.39 Model 34
No.40 Model 35
l 37 No.44 Model 38 No.45 Model 39
No.46 Model 40 No.47 Model 41 No.48 Model
No.51 Model 45 No.52 Model 45 No.53 Model 46
No.54 Model 47 No.55 Model 48 No.56 Model
No.57 Model 50 No.58 Model 50 No.59 Model 51
N
No.73 Model 64 No.74 Model 64 No.75 Model 65 No.76 Model 66
No.77 Model 67
Gambar 2.4
Pola model dalam Metode Pola Busur Terlokalisasi
2.6 Nilai Eigen dan Vektor Eigen
