matriks GLCM diagonal. Homogeneity dihitung dengan cara seperti berikut:
Homogeneity = ∑
� , +| − |
,
.
2.5 Pattern Recognition
Dalam melakukan pengembangan sistem cerdas, diperlukan sebuah teknik pengenalan pola yang akan memberikan gambaran bagaimana sebuah objek dalam pengambilan
pengetahuan dan kesimpulan. 2.5.1Struktur dan sistem pengenalan pola
Struktur dari sistem pengenalan pola dapat dilihat pada Gambar 2.5.
Gambar 2.5 Struktur sistem pengenalan pola Putra, 2010
Menurut gambar 2.5, sistem terdiri atas sensor, algoritma atau mekanisme pencari fitur, dan algoritma untuk klasifikasi atau pengenalan.
a. Sensor berfungsi untuk menangkap objek dari dunia nyata dan kemudian
diubah menjadi sinyal digital. Pada penelitian ini sensor lebih dispesifikasikan pada kamera atau alat pengolah citra lainnya.
b. Pra-pengolahan berfungsi untuk mempersiapkan citra agar dapat
menghasilkan ciri yang lebih baik pada tahap selanjutnya. c.
Pencari dan seleksi fitur berfungsi menemukan karakteristik pembeda yang mewakili sifat utama objek dan sekaligus mengurangi dimensi sinyal
menjadi sekumpulan bilangan yang representatif dan lebih sedikit.
Universitas Sumatera Utara
d. Algoritma klasifikasi berfungsi untuk mengelompokkan fitur ke dalam
kelas yang sesuai sementara Algoritma deskripsi berfungsi untuk memberikan deskripsi pada sinyal.
2.5.2 Fitur dan vektor fitur Fitur didapat melalui pengolahan berbagai metode atau algoritma feature extraction.
Fitur dapat dinyatakan dengan variabel kontinu, diskret, atau diskret-biner. Sementara Vektor fitur features vector merupakan gabungan atau kombinasi dari beberapa fitur
yang dinyatakan ke dalam vektor kolom atau vektor baris. 2.5.3 Supervised dan Unsupervised Learning
Pengenalan pola terarah supervised dan tak terarah unsupervised berkaitan dengan bagaimana klasifikasi akan dilakukan. Sebuah pola dikatakan supervised apabila
vektor fitur pelatihan tersedia dan telah diketahui kelas-kelasnya yang kemudian vektor fitur pelatihan tersebut digunakan untuk merancang pemilah. Sementara pola
dikatakan unsupervised apabila sekumpulan vektor fitur dikelompokkan ke dalam beberapa kelompok cluster berdasarkan tingkat kemiripannya dan tidak terdapat
vektor fitur pelatihan untuk proses klasifikasi.
2.6 Evolving Connectionist Systems ECoS
