Jurnal Ilmiah Komputer dan Informatika KOMPUTA
7
Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033
Gray = 0.30 � + 0.59 � + 0.11 �
Dimana : R = nilai red 31 255
G = nilai green 31 255 B = nilai blue 31 255
Contoh perhitungan grayscale : Citra masukan yang digunakan pada contoh
perhitungan grayscale ini adalah gambar 4. Perhitungan grayscale piksel 0,0 :
R = 40 31255 = 4,86 G = 40 31255 = 4,86
B = 40 31255 = 4,86 Gray = 4,860,3 + 4,860,59 + 4,860,11
Gray = 1,46 + 2,87 + 0,53 Gray = 4,86
Gray = 5
Dengan menggunakan rumus yang sama terhadap semua piksel maka akan didapatkan matriks
grayscale yang dapat dilihat pada gambar 5.
Gambar 5 Matriks Grayscale
2.4.1.3 Proses Ekstraksi Run Length
Run-length adalah metode untuk ekstraksi ciri, dimana nilai ekstraksi ciri yang akan diperoleh
adalah nilai SRE short run emphasis, LRE long run emphasis, GLU grey level uninformity, RLU
run length uninformity dan RPC run percentage. Langkah pertama dalam melakukan perhitungan
menggunakan metode run length adalah dengan membuat matriks run length, nilai matriks run length
diperoleh dari matriks grayscale dengan menghitung derajat keabuan yang sama di setiap barisnya.
Orientasi dibentuk dengan empat arah pergeseran, yaitu 0
, 45 , 90
dan 135 .
Sebagai contoh matriks grayscale pada gambar 5 digunakan untuk memperoleh matriks run
length. Berikut adalah matriks run length dengan arah pergeseran 0
, 45 , 90
dan 135 yang
dihasilkan. Dimana
i = nilai derajat keabuan j = piksel yang berurutan run
rj = Jumlah piksel berurutan berdasarkan banyak urutannya
gi = Jumlah piksel berurutan berdasarkan nilai derajat keabuannya
s = Jumlah total nilai run yang dihasilkan
Tabel 3 Matriks Run Length 0
Tabel 4 Matriks Run Length 45
Tabel 5 Matriks Run Length 90
5 5
5 6
6 6
5 6
6 7
7 7
8 7
7 7
7 7
7 8
8 7
7 7
7 6
6 6
5 5
4 4
9 9 10 10 11 11 12 11 10 10 11 13 14 14 14 14 14 14 14 14 14 12 13 12 12 12 11 10
9 8
7 7
9 9 10 11 11 11 12 12 12 12 12 11 13 14 14 15 15 15 15 15 14 13 14 13 12 12 12 11 10
9 8
7 9
9 10 10 11 11 11 11 12 12 12 13 13 14 16 15 16 16 16 15 15 14 15 14 13 13 12 11 10 9
8 8
9 9 10 10 11 11 11 11 12 12 12 13 15 14 14 17 16 17 16 16 16 14 15 15 14 13 12 11 10 10
9 9
9 9 10 10 10 11 11 11 12 12 13 14 15 15 15 15 16 17 17 17 17 15 15 15 14 12 11 11 11 10 10
9 9
9 9 10 10 10 10 11 11 12 13 14 15 16 17 16 15 18 18 17 17 16 16 15 15 14 13 12 11 10 10
9 9
9 9
9 10 10 10 11 12 12 13 14 15 16 17 18 18 18 19 18 16 18 16 17 16 14 13 13 12 11 10 9
8 8
9 9 10 10 10 11 11 12 13 14 15 16 17 19 20 18 20 19 19 17 18 17 16 15 14 13 12 12 11
9 8
8 8
9 9
9 10 10 11 12 12 13 15 17 19 21 22 20 20 20 20 19 17 17 16 15 14 13 12 12 11 10 8
8 8
8 9
9 9 10 11 12 12 13 15 18 22 25 23 20 20 22 21 20 19 18 17 16 14 14 13 12 11 10
7 7
8 8
8 9
9 10 10 11 12 13 15 17 26 26 24 20 20 22 21 20 19 17 16 16 15 15 13 13 12 11 7
7 7
7 8
8 9
9 10 11 11 12 14 18 27 28 26 21 23 21 21 20 19 18 17 17 16 15 14 13 13 11 7
7 6
7 7
7 8
9 9 10 11 12 14 18 27 27 27 22 22 22 23 20 19 18 17 17 16 16 14 13 13 11
6 6
6 6
7 7
8 8
9 10 11 12 14 18 27 26 26 21 23 22 21 20 19 18 18 17 17 15 14 13 12 11 6
5 5
6 6
7 7
8 9 10 10 12 14 17 24 26 24 21 22 23 19 19 19 18 18 17 17 15 13 13 12 11
5 5
5 5
6 6
7 8
9 10 10 12 13 16 20 25 23 20 22 21 20 19 18 18 18 17 16 15 14 13 13 12 5
5 5
5 6
6 7
8 9
9 10 11 13 15 17 20 21 18 21 19 20 20 19 17 16 17 15 14 14 13 13 12 6
5 5
5 6
7 7
8 8
9 10 11 13 15 16 17 16 18 20 19 19 20 19 18 17 15 15 14 14 13 13 12 6
5 5
6 6
7 7
8 8
9 10 11 13 14 16 17 17 17 18 20 19 20 19 18 17 16 14 14 14 13 13 11 6
6 6
6 7
7 7
8 8
9 10 11 13 14 16 18 18 19 17 20 19 19 18 18 17 16 15 13 13 13 12 12 7
6 6
7 7
7 8
8 8
9 10 11 13 14 16 18 19 19 17 19 19 19 18 18 17 16 15 14 13 12 11 11 7
7 7
7 7
8 8
8 8
9 10 11 13 15 17 18 19 19 17 19 19 18 18 18 17 16 15 14 13 13 11 10 7
7 7
7 7
8 8
8 8
9 10 11 13 15 17 17 18 17 18 18 19 18 18 17 16 15 15 14 13 12 12 11 7
7 7
7 8
8 8
8 9
9 10 11 13 15 16 16 18 15 18 18 18 18 17 16 15 15 14 14 14 13 13 12 7
7 7
7 7
8 8
8 8
9 11 12 13 14 15 17 15 17 17 17 18 18 17 16 16 15 15 14 13 13 12 12 7
7 7
7 8
8 8
8 9 10 11 12 13 14 15 15 14 17 16 16 17 17 16 16 15 14 13 13 13 12 12 12
7 7
7 7
8 8
8 9
9 10 11 12 12 13 14 12 15 16 16 16 15 16 15 15 15 14 13 13 13 13 12 12 7
7 7
7 8
8 8
9 9 10 11 11 12 13 12 12 15 15 15 15 15 15 15 14 14 14 13 13 12 12 12 11
7 7
7 7
7 8
8 9
9 9 10 11 12 13 11 14 15 15 15 14 14 14 14 15 14 13 13 12 12 12 12 11
7 7
7 7
7 8
8 9 10 10 10 11 12 11 12 13 14 14 14 14 14 15 14 14 13 12 12 12 12 12 11 11
6 7
7 7
7 8
9 9 10 10 11 11 11 10 12 12 12 13 13 13 13 13 13 12 12 11 10 11 11 11 11 10
1 2
3 4
5 6
7 8
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 1
2 3
4 1
1 5
1 3
2 2
8 6
6 6
2 2
16 7
4 7
4 7
5 1
28 8
8 10 5
6 29
9 19 15
4 1
39 10
27 12 4
1 44
11 44
7 4
3 58
12 31 13
7 1
2 54
13 37 16
2 1
1 57
14 39
6 3
1 1
1 51
15 33
9 3
1 1
1 48
16 29
7 3
39 17
33 8
2 1
44 18
20 9
3 1
33 19
17 6
2 25
20 16
3 1
20 21
10 1
11 22
7 1
8 23
6 6
24 3
3 25
2 2
26 2
2 4
27 2
1 3
28 1
1 29
30 31
r j|ɵ 397 141 52 29 9 2 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 632 i
r j G i|ɵ
1 2
3 4
5 6
7 8
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 1
2 3
4 2
2 5
6 3
3 12
6 19
1 2
1 23
7 27
7 3
2 2
3 44
8 20
8 4
3 35
9 33 13
2 48
10 43
9 2
54 11
49 12 3
64 12
47 12 4
1 1
65 13
47 6
5 1
1 60
14 47 11
3 61
15 44
8 4
1 57
16 32
7 2
41 17
34 11 1
46 18
25 6
2 2
35 19
17 7
1 25
20 19
2 1
22 21
8 2
10 22
8 1
9 23
6 6
24 3
3 25
2 2
26 4
1 5
27 3
1 4
28 1
1 29
30 31
r j|ɵ 546 128 37 12 7 0 4 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 734 i
r j G i|ɵ
1 2
3 4
5 6
7 8
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 1
2 3
4 2
2 5
6 1
1 2
10 6
10 7
1 1
19 7
16 3
4 2
1 3
1 30
8 8
4 4
1 2
1 20
9 5
3 4
1 3
2 1
19 10
8 5
6 4
1 1
25 11
19 4
5 4
2 1
1 36
12 20
7 9
3 2
1 42
13 19
7 5
4 1
1 37
14 22 10
5 4
1 42
15 22 12
6 1
1 42
16 20
6 4
2 32
17 21
9 3
1 1
35 18
11 5
4 2
2 24
19 7
5 2
2 16
20 7
2 2
1 1
13 21
7 1
1 9
22 4
3 7
23 6
6 24
3 3
25 2
2 26
4 1
5 27
2 1
3 28
1 1
29 30
31 r j|ɵ 252 95 67 28 16 6 2 2 2 7 2 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 480
i r j
G i|ɵ
Jurnal Ilmiah Komputer dan Informatika KOMPUTA
8
Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033
Tabel 6 Matriks Run Length 135
Setelah dilakukan perhitungan fitur SRE Short Run Emphasis, LRE Long Run Emphasis, GLU
Grey Level Uninformity, RLURun Length Uninformity, dan RPC Run Percentage pada
matriks run length 0 , 45
, 90 , dan 135
, maka didapatkan nilai fitur sebagai berikut :
Tabel 7 Nilai Fitur Matriks Run Length
Fitur Matriks Run Length
45 90
135 SRE
0.69666 0.79458
0.59571 0.73156
LRE 3.67089
2.66213 7.9125
3.35329 GLU
40.61392 46.80109
29.525 42.47305
RLU 286.58544
430.62398 162.83333
333.35329 RPC
0.61719 0.7168
0.46875 0.65234
2.4.2 AnalisisTahap Pelatihan Naive Bayesian
Tahapan pelatihan naive bayesian dilakukan untuk mendapatkan data latih berupa nilai mean dan
varians. Nilai mean dan varians ini akan menjadi acuan dalam melakukan pengujian. Pada tahap
pelatihan ini nilai mean dan varians dicari dari setiap fitur pada setiap kelas data latih. Berikut dataset
yang digunakan untuk pelatihan dapat dilihat pada table 8.
Tabel 8 Dataset Pelatihan
Setelah dilakukan proses pelatihan maka didapat hasil data pelatihan yang dapat dilihat pada
table 9. Tabel 9 Hasil Pelatihan
2.4.3 Analisis Tahap Pengujian Naive Bayesian
Tahap pengujian naive bayesian merupakan tahap pengujian data baru terhadap data latih.
Contoh citra yang akan diuji dapat dilihat pada gambar 5.
Gambar 5 Citra Uji Berikut nilai fitur ekstraksi ciri citra uji dapat dilihat
pada tabel 10. Tabel 10 Fitur Citra Uji
Fitur Nilai
SRE 0.68916
LRE 4.27881
GLU 38.94517
RLU 287.53854
RPC 0.60889
Setelah dilakukan proses pengujian naive bayesian didapat nilai posterior retina kelas A lebih
besar dari retina kelas B, maka kelas yang cocok untuk citra uji diatas adalah retina kelas A.
3. PENGUJIAN DAN HASIL PENGUJIAN
Pengujian metode bertujuan untuk mengetahui hasil dari metode run length dan naive bayesian
dalam mengidentifikasi retina mata. Pada penelitian ini, rencana pengujian dilakukan dengan beberapa
skenario. Berikut adalah skenario yang akan dilakukan :
1. Menguji citra retina mata yang telah
dijadikan data latih. 2.
Menguji citra retina mata yang belum dilatih sebelumnya dan menguji pengaruh
jumlah data latih terhadap tingkat akurasi .
1 2
3 4
5 6
7 8
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 1
2 3
4 2
2 5
7 1
4 12
6 19
1 1
2 23
7 20 10
1 5
4 1
41 8
8 8
9 1
1 1
28 9
19 9
2 1
2 33
10 24
8 3
1 1
1 38
11 37 12
1 2
2 54
12 32 19
6 1
58 13
42 13 3
2 60
14 40 16
2 58
15 43 12
1 1
57 16
37 6
1 44
17 32
7 3
1 43
18 23 11
2 36
19 14
6 3
23 20
9 7
1 17
21 12
12 22
8 1
9 23
4 1
5 24
3 3
25 2
2 26
4 1
5 27
3 1
4 28
1 1
29 30
31 r j|ɵ 445 150 43 15 8 3 2 0 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 668
i r j
G i|ɵ
Retina Nilai
Fitur SRE
LRE GLU
RLU RPC
A Mean
0.69690 4.33926
39.39922 295.44378
0.61133 Varian
0.00012 0.00731
0.41231 124.98548
0.00001 B
Mean 0.65749
5.55330 40.79819
246.79354 0.56201
Varian 0.00030
0.26281 1.16603
413.18839 0.00036
Retina SRE
LRE GLU
RLU RPC
A.1 0.70463
4.3997 39.85326
303.34901 0.61377
A.2 0.68916
4.27881 38.94517
287.53854 0.60889
B.1 0.66979
5.1908 40.03463
261.16692 0.57544
B.2 0.64519
5.91579 41.56174
232.42015 0.54858
