22
2. Mengidentifikasi Nilai r dan N
r 1
12 14
18 116
N 1
4 14
47 148
3. Menghitung nilai Log 1r dan LogN
Log 1r 0,30103
0,60206 0,90309
1,20412 Log N
0,60206 1,14613
1,6721 2,17026
4. Menampilkan grafik nilai Log 1r dan LogN. Seperti ditunjukan pada
Gambar 11.
Gambar 11 Grafik nilai perbandingan nilai Log 1r dan Log N.
4. Mengitung nilai kemiringan garis sebagai dimensi fraktal seperti ditunjukan
pada Tabel 1. Tabel 1 Perhitungan nilai x dan y
n X
Y XY
X2 Y2
Log 1r LogN
1 2
0,30103 0,60206
0,18124 0,09062
0,36248 3
0,60206 1,14613
0,69004 0,36248
1,31361 4
0,90309 1,67210
1,51005 0,81557
2,79591 5
1,20412 2,17026
2,61326 1,44990
4,71004 ∑
3,010 5,591
4,995 2,719
9,182 Log N
Log 1r
23
1,7973 nilai dimensi fraktal
Ekstraksi fitur citra daun tumbuhan obat dengan dimensi fraktal menghasilkan lima nilai dimensi fraktal. Nilai pertama dihasilkan dari ekstraksi
citra secara keseluruhan global. Empat nilai lainnya dihasilkan dari ekstraksi local region. Nilai dimensi fraktal berbentuk pecahan dan berkisar antara satu
sampai dua seperti ditunjukan pada Gambar 12.
a b
Gambar 12 Dimensi fraktal pada daun Jarak Pagar keseluruhan a dan local region b.
4.1.2. Ekstraksi Fitur dengan Kode Fraktal Fraktal Code
Proses ekstraksi citra dengan kode fraktal adalah membandingkan kemiripan tekstur dari pasangan blok domain dan blok range. Pasangan yang
memiliki nilai RMS minimum dianggap memiliki tingkat kemiripan yang paling tinggi. Langkah-langkah pengkodean fraktal fractal coding pada citra daun Jarak
Pagar adalah sebagai berikut : FD=1,7973
FD01=1,6593
FD10=1,7762 FD11=1,8662
FD00=1,6033
24
1. Menampilkan nilai intensitas piksel dari citra asli seperti ditunjukan pada
Gambar 13.
Gambar 13 Nilai intensitas dari citra daun ukuran 16 x 16 piksel.
2. Membentuk Blok Domain
-
Mempartisi citra menjadi ukuran, 8x8 piksel, 4x4 piksel. Partisi dilakukan mulai dari pojok kiri atas bergeser hingga ke pojok kanan bawah seperti
ditunjukan pada Gambar 14 dan Gambar 15.
00 01
10 11
Gambar 14 Sub citra ukuran 8 x8 piksel.
255 255 255 255 250 255 255 249 255 250 255 251 250 255 250 255 252 255 251 254 255 242 228 244 253 254 255 255 253 255 249 254
255 254 254 255 247 217 205 218 225 239 255 247 246 255 255 254 255 249 255 251 210 202 212 197 187 207 231 225 236 255 255 250
252 255 250 211 190 205 215 201 195 164 126 86 103 170 219 251 253 255 214 164 186 202 191 200 172 142 121 105 120 156 174 194
255 202 151 147 170 187 189 186 151 121 119 128 140 148 147 168 255 105
92 155 147 177 219 179 136 107 117 142 155 150 148 178 241
89 120 124 143 167 193 178 112 116 141 141 131 139 170 220 222 108 136 143 151 154 188 185 109 127 130 151 148 164 242 255
230 134 113 114 143 147 181 168 106 153 127 123 98 131 255 251
255 197 116 82 112 132 182 169 136 136 112 143 126 139 250 253 243 241 178 119 110 117 172 172 89 113 137 140 120 167 248 248
255 255 214 148 127 152 225 255 129 113 126 119 147 234 255 255 242 255 255 252 251 251 255 255 232 110 78 146 230 255 250 255
255 251 247 255 255 254 248 255 255 251 255 255 255 255 251 253
255 255 255 255 250 255 255 249
252 255 251 254 255 242 228 244
255 254 254 255 247 217 205 218
255 249 255 251 210 202 212 197
252 255 250 211 190 205 215 201
253 255 214 164 186 202 191 200
255 202 151 147 170 187 189 186
255 105 92 155
147 177 219 179 255 250 255 251
250 255 250 255 253 254 255 255
253 255 249 254 225 239 255 247
246 255 255 254 187 207 231 225
236 255 255 250 195 164 126
86 103 170 219 251
172 142 121 105 120 156 174 194
151 121 119 128 140 148 147 168
136 107 117 142 155 150 148 178
241 89 120 124
143 167 193 178 222 108 136 143
151 154 188 185 230 134 113 114
143 147 181 168 255 197 116
82 112 132 182 169
243 241 178 119 110 117 172 172
255 255 214 148 127 152 225 255
242 255 255 252 251 251 255 255
255 251 247 255 255 254 248 255
112 116 141 141 131 139 170 220
109 127 130 151 148 164 242 255
106 153 127 123 98 131 255 251
136 136 112 143 126 139 250 253
89 113 137 140 120 167 248 248
129 113 126 119 147 234 255 255
232 110 78 146
230 255 250 255 255 251 255 255
255 255 251 253
