Ekstraksi Fitur LANDASAN TEORI

2.6. Ekstraksi Fitur

Ekstraksi fitur feature extraction merupakan bagian fundamental dari analisis citra Putra, 2010. Fitur adalah karakteristik yang unik dari suatu objek. Karakteristik dari fitur antara lain: 1. Dapat membedakan suatu objek dengan yang lainya discrimination. 2. Memperlihatkan kompleksitas komputasi dalam memperoleh fitur. Kompleksitas komputai yang tinggi akan menjadi beban tersendiri dalam menemukan suatu fitur. 3. Tidak terikat independence dalam arti bersifat invarian terhadap berbagai transformasi rotasi, penskalaan, pergeseran dan sebagainya. 4. Jumlahnya sedikit, karena fitur yang jumlahnya sedikit akan dapat menghemat waktu komputasi dan ruangan penyimpanan untuk proses selanjutnya proses pemanfaatan fitur. 2.6.1. Ciri Berdasarkan Blok Sebelum menentukan arah orientasi citra sidik jari terlebih dahulu yang dilakukan adalah membagi citra menjadi blok-blok Putra, 2010. Terdapat dua model pembagian blok, yaitu pembagian blok secara tumpang tindih overlapping dan pembagian blok yang tidak saling tumpang tindih non-overlapping. Pada model tumpang tindih, suatu blok dengan blok lain yang saling berdampingan terdapat sejumlah piksel yang saling tumpang tindih seperti paada Gambar 2.15a. Pada model pembagian blok yang tidak tumpang tindih, piksel pada suatu blok dengan blok yang lain tidak saling tumpang tindih seperti pada Gambar 2.15b. Dalam penelitian ini digunakan pembagian blok yang tidak saling tumpang tindih non-overlapping. Gambar 2.15. a Contoh pembagian blok yang saling tumpang tindih, b Contoh pembagian blok yang tidak saling tumpang tindih. putra, 2010 Universitas Sumatera Utara Vektor ciri dari blok dapat dibentuk dengan nilai rata-rata ataupun standar deviasi dari setiap blok. Nilai standar deviasi dapat dihitung dengan rumus berikut ini: � = − ∑ − � � = 2.23 dimana : μ = nilai rata-rata, yang dapat dihitung dengan rumus sebagai berikut : � = − ∑ � = 2.24 M = jumlah seluruh piksel dalam setiap blok. x = nilai piksel. Vektor fitur sidik jari dapat dibentuk dengan cara berikut : V=σ 1 , σ 2 , σ 3 ... σ N dimana : σ 1 = nilai standar deviasi blok ke-i. N = jumlah dari keseluruhan blok.

2.7. Konsep Pengenalan Wajah